为了充分利用计算资源,减少迭代次数,提出一种可以批量加点的代理优化算法。该算法分别采用期望改进准则和WB2(Watson and Barnes)准则探索存在的最优解并开发已存在最优解的区域,利用可行性概率和多目标优化框架刻画约束边界。在探索...为了充分利用计算资源,减少迭代次数,提出一种可以批量加点的代理优化算法。该算法分别采用期望改进准则和WB2(Watson and Barnes)准则探索存在的最优解并开发已存在最优解的区域,利用可行性概率和多目标优化框架刻画约束边界。在探索和开发阶段,设计了两种对应的多点填充算法,并根据新样本点和已知样本点的距离关系,设计了两个阶段的自适应切换策略。通过3个不同类型算例和一个工程实例验证算法性能,结果表明,该算法收敛更快,其结果具有较好的精确性和稳健性。展开更多
为了提高射雾器的射程,同时提高Kriging代理模型的优化效率和精度,提出一种新的自适应代理优化算法,包括全局探索阶段和局部探索阶段。在全局探索阶段,提出改进的最大期望概率提高准则(Improved Probability Improvement,IPI)和并行加...为了提高射雾器的射程,同时提高Kriging代理模型的优化效率和精度,提出一种新的自适应代理优化算法,包括全局探索阶段和局部探索阶段。在全局探索阶段,提出改进的最大期望概率提高准则(Improved Probability Improvement,IPI)和并行加点策略;在局部探索阶段,通过最小响应面准则(Minimizing Prediction,MP)获取新样本点;各加点准则均采用差分进化算法进行寻优,并根据新样本点和已知样本点的关系来实现全局探索和局部探索的自适应切换,直至找到最优解。算例实验表明:和最大期望提高准则(Expected Improvement,EI)、多点期望提高准则(q-Expected Improvement,q-EI)、最大期望概率提高准则(Probability Improvement,PI)相比,优化算法的加点次数至少减少了6.32%,优化效率提高了11.61%以上,求解问题的有效性更好。采用优化算法对射雾器叶轮结构进行优化,射雾器射程提高了24.77%。展开更多
文摘为了充分利用计算资源,减少迭代次数,提出一种可以批量加点的代理优化算法。该算法分别采用期望改进准则和WB2(Watson and Barnes)准则探索存在的最优解并开发已存在最优解的区域,利用可行性概率和多目标优化框架刻画约束边界。在探索和开发阶段,设计了两种对应的多点填充算法,并根据新样本点和已知样本点的距离关系,设计了两个阶段的自适应切换策略。通过3个不同类型算例和一个工程实例验证算法性能,结果表明,该算法收敛更快,其结果具有较好的精确性和稳健性。