非线性主轴降维映射法在固体火箭发动机设计优化中的应用

为在二维或三维空间中表达固体火箭发动机高维设计空间,引入非线性主轴降维映射法对多维非线性设计优化问题进行降维处理。以某大型固体火箭发动机设计问题为例,将10变量4有效约束优化问题降维映射到二维空间进行研究,拟合的非线性主轴降维映射模型中,目标函数和约束函数的相对误差控制在1.5%以内。研究表明,非线性主轴降维映射法具有发现多变量非线性优化数学模型本征特性的特点,能对设计变量重要性排序;通过降维展示设计空间全景,为优化算法和优化初始点优选提供了直观、有力的工具;优化轨迹实时展示为优化算法性质研究及算法切换提供了依据;根据优化轨迹从优化结果在降维空间中的位置能够判断优化结果是否具有全局最优解特性。

设计优化中的非线性主轴降维映射法

为了在二维或三维空间中表达高维设计空间,分析多变量优化数学模型的本征维数及其所独立依赖的、有意义的和尽可能少的潜变量,发展了设计优化降维理论和非线性主轴降维映射法.非线性主轴降维映射法首先通过试验设计理论采样获得设计样本集,通过主轴的各种非线性函数逼近目标函数和约束,实现对高维目标函数和约束的降维处理.工程实例研究表明,非线性主轴降维映射法具有发现数据流形本征变量的能力,能够在二维或三维空间中展示多维设计空间全景图,从而用于分析目标函数性质和选择优化算法,展示优化迭代轨迹,研究优化算法的性质.

Isomap的最优嵌入维数的估计算法

等距特征映射(Isomap)是一种新颖、高效的非线性降维技术,它的一个突出优点是只有两个参数需要设定,即邻域参数和嵌入维数。我们提出了一种新的估计Isomap的最优嵌入维数的算法,该算法使用执行Isomap过程本身所产生的数据来估计流形的最优嵌入维数,同时能确定邻域参数的最优值。通过与常用的残差估计方法的实例对比,说明这种算法对人造数据集和真实数据集都很有效,而且能更加合理、更加客观地估计出流形的最优嵌入维数。