基于徑向基函數(shù)響應(yīng)面優(yōu)化方法研究.pdf

1、在仿真模型多變量?jī)?yōu)化設(shè)計(jì)中,采用傳統(tǒng)仿真優(yōu)化方法效率低下,可行性不高,在高維情況下劣勢(shì)尤為明顯?；谠囼?yàn)設(shè)計(jì)的響應(yīng)面方法可以有效的減少優(yōu)化過(guò)程中源模型的仿真次數(shù),提高復(fù)雜模型設(shè)計(jì)優(yōu)化效率,因而得到廣泛關(guān)注。本文從徑向基函數(shù)(Radial Basis Function)插值方法出發(fā),對(duì)RBF響應(yīng)面方法和基于RBF響應(yīng)面的全局優(yōu)化算法進(jìn)行研究。
　　RBF響應(yīng)面方法以徑向函數(shù)作為基函數(shù),以樣本數(shù)據(jù)作為插值節(jié)點(diǎn),可通過(guò)樣本點(diǎn)方便的構(gòu)造出

2、響應(yīng)面,插值函數(shù)唯一確定,構(gòu)造算法簡(jiǎn)單、易于計(jì)算機(jī)實(shí)現(xiàn),且在高維非線性系統(tǒng)中表現(xiàn)卓越。目前,全局優(yōu)化方法主要包括確定性方法、元啟發(fā)式(進(jìn)化)方法、啟發(fā)式直接搜索方式、以及基于“黑箱”的響應(yīng)面優(yōu)化方法等四類。本文將著重研究基于試驗(yàn)設(shè)計(jì)的響應(yīng)面全局優(yōu)化方法,通過(guò)較少的試驗(yàn)構(gòu)造足夠精確的響應(yīng)面,利用響應(yīng)面技術(shù)減少計(jì)算成本,結(jié)合響應(yīng)面快速重構(gòu)方法和改進(jìn)的尋優(yōu)方法最終得到最優(yōu)解。目前各種基于響應(yīng)面的全局優(yōu)化方法主要區(qū)別也在于試驗(yàn)設(shè)計(jì)、響應(yīng)面構(gòu)造和

3、尋優(yōu)方法這三個(gè)方面。
　　在面對(duì)較難優(yōu)化的復(fù)雜函數(shù)以及最優(yōu)解在邊界條件上等問(wèn)題時(shí),現(xiàn)存的一些基于響應(yīng)面的全局優(yōu)化算法表現(xiàn)不理想,估值次數(shù)較多,為此本文引入增量LHD采樣方法和一種算法重啟策略。同時(shí),提出一種RBF響應(yīng)面增量重構(gòu)方法,在保證原來(lái)精度的前提下,有效的降低了響應(yīng)面更新消耗的時(shí)間,并與一種 CORS尋優(yōu)方法相結(jié)合,構(gòu)成一種改進(jìn)的全局優(yōu)化算法。最后,使用不同算法對(duì)多個(gè)測(cè)試函數(shù)進(jìn)行優(yōu)化比較,分析新方法的優(yōu)勢(shì)與不足,并將改進(jìn)后的