基于自適應(yīng)加速GEI準(zhǔn)則的序列優(yōu)化方法研究.pdf

1、隨著人們對機(jī)械產(chǎn)品性能要求越來越高，在這些機(jī)械產(chǎn)品設(shè)計優(yōu)化過程中，復(fù)雜度越來越高，基于近似模型的序列優(yōu)化方法運(yùn)用愈加廣泛。近似模型替代“黑箱”問題，能夠減少設(shè)計優(yōu)化過程中的計算成本和時間成本。
　　在眾多近似模型中，克里金（Kriging）模型可以提供擬合模型的標(biāo)準(zhǔn)差，具有獨(dú)特優(yōu)點(diǎn)。而在基于Kriging模型的序列優(yōu)化過程中，如何確定下一個樣本點(diǎn)是關(guān)鍵，而EI準(zhǔn)則在搜索下一個樣本點(diǎn)時兼顧了全局搜索和局部搜索，被廣泛加以應(yīng)用。但經(jīng)典

2、EI準(zhǔn)則可能產(chǎn)生較小的估計誤差，會使優(yōu)化過程偏向當(dāng)前最優(yōu)點(diǎn)附近進(jìn)行搜索，因而學(xué)者們提出了適應(yīng)性更強(qiáng)的廣義期望提高準(zhǔn)（GEI）。本文對基于GEI準(zhǔn)則的序列優(yōu)化和多點(diǎn)采樣問題進(jìn)行了研究，提出一種自適應(yīng)加速廣義期望提高準(zhǔn)則（AGEI），在此基礎(chǔ)上將其與多點(diǎn)采樣結(jié)合，并用于求解全回轉(zhuǎn)推進(jìn)器功率流優(yōu)化問題，具體如下：
　　首先，針對當(dāng)前GEI準(zhǔn)則無法準(zhǔn)確確定參數(shù)g值的問題，提出了一種自適應(yīng)加速廣義期望提高準(zhǔn)則，通過采樣大量的隨機(jī)點(diǎn)，計算每一

3、個隨機(jī)點(diǎn)處的期望提高（EI）值，并統(tǒng)計滿足條件的隨機(jī)點(diǎn)數(shù)目，獲得當(dāng)前模型擬合的狀況，從而確定g的取值，可提高求解序列優(yōu)化的效率，并且極大地提高GEI準(zhǔn)則解決序列優(yōu)化問題的適應(yīng)性。
　　其次，針對當(dāng)前序列優(yōu)化多點(diǎn)采樣中，學(xué)者們注重采點(diǎn)方式和減少數(shù)學(xué)計算量的問題，本文將AGEI應(yīng)用在多點(diǎn)采樣中，與多點(diǎn)采樣信賴克里金（KB）算法相結(jié)合，提高KB算法的求解效率，將AGEI的高效性與KB算法多點(diǎn)采樣可以并行計算的優(yōu)點(diǎn)進(jìn)行了很好的結(jié)合。