支持向量回歸機代理模型設計優(yōu)化及應用研究.pdf

1、制造業(yè)是衡量一個國家的重要支柱產(chǎn)業(yè)，它的強弱將影響到綜合國力的興衰。隨著各學科理論和計算機仿真技術的不斷發(fā)展，現(xiàn)代產(chǎn)品的研發(fā)通常采用基于仿真的設計優(yōu)化，但很多情況下，產(chǎn)品涉及多個不同學科領域，而且各學科的仿真模型可能非常復雜，要獲得理想的優(yōu)化結果需要各學科分析模型之間多次迭代才能完成，計算時間的大量耗費往往令人無法接受。同時，制造業(yè)的主要競爭目標是縮短產(chǎn)品設計和制造周期，最終達到降低產(chǎn)品開發(fā)成本目的。因此，計算復雜性是復雜產(chǎn)品研發(fā)中面臨

2、的一個重要問題。
　　 代理模型技術是解決以上問題的有效途徑，但目前常用的代理模型對于多變量和強非線性的優(yōu)化問題，逼近的效果不是很理想。為此，本文將良好性能的機器學習模型支持向量回歸機引入工程優(yōu)化問題，采用支持向量回歸機代理模型對復雜產(chǎn)品設計優(yōu)化進行了深入研究，開展了以下幾個方面的研究工作，并取得了相關的研究成果。
　　 1)回顧了常用代理模型和試驗設計的基本理論，指出了它們各自的優(yōu)缺點與適用場合；闡述了統(tǒng)計學習理論，提

3、出了支持向量回歸機代理模型構建方法及詳細步驟；并以2個實例驗證了模型的有效性。
　　 2)提出了基于SVR-GA的優(yōu)化方法、基于SVR-PSO的優(yōu)化方法和基于SVR-NSGAII的優(yōu)化方法；詳細闡述了這些方法的算法流程；以工程多目標優(yōu)化問題實例，驗證了它們的有效性和可行性。較好地解決了小樣本、高維數(shù)、非線性、泛化性能、局部極小點等復雜工程優(yōu)化問題。
　　 3)研究了不確定因素對產(chǎn)品質量特性的影響機理，提出了多目標穩(wěn)健優(yōu)化

4、的數(shù)學模型；將支持向量回歸機代理模型引入穩(wěn)健優(yōu)化，提出了基于支持向量回歸機代理模型的穩(wěn)健優(yōu)化方法，并詳細闡述該算法流程；以典型的兩桿結構優(yōu)化問題對所提出方法進行驗證，比較研究了不同代理模型在逼近具有不確定因素的優(yōu)化模型時的性能，驗證了該方法的有效性。
　　 4)介紹了五種代表性的多學科設計優(yōu)化方法，并分析了各自的優(yōu)缺點。指出了目前多學科協(xié)同優(yōu)化方法存在的問題，提出了基于支持向量回歸機代理模型的多學科協(xié)同優(yōu)化方法，建立了該算法的數(shù)