基于Kriging模型的改进协同优化算法

合集下载

一种基于Kriging模型的天线高维全局优化算法

一种基于Kriging模型的天线高维全局优化算法陈晓辉;裴进明;郭欣欣【期刊名称】《计算机工程与科学》【年(卷),期】2017(039)006【摘要】传统的天线优化设计需要对大量的参数组合进行电磁仿真后才能得到最优结果,使得天线高维优化设计效率普遍较低.针对该问题,使用在参数空间均匀分布的少量样本及其仿真结果构建初始Kriging模型,优化循环中每代种群由高适应度个体和高离散性个体组成,依据Kriging模型预测的个体响应和不确定性,对进化后的下一代种群进行筛选,选择最优个体执行电磁仿真并更新Kriging模型.利用此方法优化一个6变量E形天线的工作频点,相比同类优化算法,所需的电磁仿真次数可减少80％左右.%Traditional antenna optimization designs need numerous simulation trials of different parameter combinations to reach the optimum,which leads to low efficiency in solving high dimensional antenna design and optimization problems.To address this issue,we design an initial Kriging model by using a few uniformly distributed sampling points and their simulation data.During the optimization iterations,the population of each generation is comprised of individuals with high fitness as well as individuals with high diversity.The optimal individual is selected according to its responses and uncertainty predicted by the Krigingmodel.Electromagnetic simulations are conducted for this individual,and the results are used to update the Kriging model.This algorithm is applied to optimize the resonant frequencies of an E-shaped antenna with 6pared with other optimization methods,the number of EM simulation is reduced by about 80％.【总页数】5页(P1087-1091)【作者】陈晓辉;裴进明;郭欣欣【作者单位】安徽工程大学电气工程学院,安徽芜湖241000;安徽工程大学电气工程学院,安徽芜湖241000;安徽工程大学电气工程学院,安徽芜湖241000【正文语种】中文【中图分类】TN820【相关文献】1.基于仿真试验和Kriging模型的多目标优化问题全局优化算法 [J], 张建侠;马义中;朱连燕;韩云霞2.一种利用膜计算求解高维函数的全局优化算法 [J], 拓守恒;邓方安;周涛3.基于DE和SA的Memetic高维全局优化算法 [J], 拓守恒4.一种基于代理模型和差分进化的天线高维快速优化算法 [J], 郭欣欣;陈晓辉;裴进明;5.一种基于代理模型和差分进化的天线高维快速优化算法 [J], 郭欣欣;陈晓辉;裴进明因版权原因，仅展示原文概要，查看原文内容请购买。

基于仿真试验和Kriging模型的多目标优化问题全局优化算法

基于仿真试验和Kriging模型的多目标优化问题全局优化算法张建侠;马义中;朱连燕;韩云霞【期刊名称】《计算机集成制造系统》【年(卷),期】2017(23)10【摘要】针对复杂工程系统的多目标仿真优化问题,基于Kriging模型,提出一种将优化过程与试验过程相结合的全局多目标优化算法.该算法利用构造的加点准则序贯选取能应对约束和逼近真实Pareto解集的试验点,只需少量仿真试验就能得到优化问题的高精度Pareto解集.考虑试验点的可行性概率、间隔距离和Kriging模型的不确定性,设计亦能有效辨识非连通可行域的加点准则;提出以最大化试验点的期望超体积改进和可行性概率为目标的近似Pareto解集改进准则,使新试验点兼顾改进近似Pareto解集的质量和精确刻画可行域边界.通过三个数值算例将所提算法与已有算法进行比较,计算结果验证了所提算法的有效性和高效性.%Aiming at the multi-objective simulation optimization problem of complex engineering systems,a global multi-objective optimization algorithm based on Kriging model was proposed by combining optimization process with trial process.In this algorithm,the proposed infill sampling criteria was used to sequentially add new trials to handle constraints and to approximate true Pareto sets,which could help the algorithm find high-quality Pareto sets in very limited trials.By considering the feasibility probability,the spacing distances and the Kriging model's prediction uncertainty of trial points,one infill sampling strategy was designed to explore the disconnected feasibleregions effectively.An infill sampling criterion was proposed by taking maximum expected hyper-volume improvement and feasibility probability as objectives,so as to balance the improvement of Pareto sets with confirming the boundaries of feasible regions.The proposed algorithm was tested on three typical benchmarks,and the effectiveness and efficiency were proved.【总页数】10页(P2136-2145)【作者】张建侠;马义中;朱连燕;韩云霞【作者单位】南京理工大学经济管理学院,江苏南京 210094;南京理工大学经济管理学院,江苏南京 210094;南京理工大学经济管理学院,江苏南京 210094;南京理工大学经济管理学院,江苏南京 210094【正文语种】中文【中图分类】N945.15;O212.6【相关文献】1.基于Kriging模型的船舶典型双层底板架强度和稳定性全局敏度分析 [J], 陈静;詹大为;刘江鹓;郑少平;程远胜2.一种基于Kriging模型的天线高维全局优化算法 [J], 陈晓辉;裴进明;郭欣欣3.基于Kriging模型和对偶理论的无约束全局优化方法 [J], 李耀辉;吴义忠;王书亭4.基于Kriging模型的多目标代理优化算法其收敛性评估 [J], 张建侠;宋明顺;方兴华;邓钰佳5.基于Kriging模型的自适应多阶段并行代理优化算法 [J], 乐春宇;马义中因版权原因，仅展示原文概要，查看原文内容请购买。

基于kriging代理模型的大直径运载火箭蒙皮桁条结构分步优化方法研究

第２６卷第２期
２０２０年４月
载人航天
ＭａｎｎｅｄＳｐａｃｅｆｌｉｇｈｔ
Ｖｏｌ.２６Ｎｏ.２
Ａｐｒ. ２０２０
基于Ｋｒｉｇｉｎｇ代理模型的大直径运载火箭
蒙皮桁条结构分步优化方法研究
吴栋１ ꎬ王志祥１ ꎬ刘观日２ ꎬ张大鹏１∗ ꎬ雷勇军１
Ｔｈｅｎꎬ ａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｔｒｕｃｔｕｒｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓꎬ ａｓｕｂｓｔｅｐｏｐｔｉｍｉｚａｔｉｏｎｓｔｒａｔｅｇｙｂａｓｅｄｏｎＫｒｉｇｉｎｇ
ｓｕｒｒｏｇａｔｅｍｏｄｅｌａｎｄｃｏｍｂｉｎａｔｏｒｉａｌｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄ. Ｔｈｅｐａｒａｍｅｔｅｒｏｐｔｉｍｉｚａｔｉｏｎ
最后针对中间框和不同截面形式的桁条开展参数优化研究ꎬ确立了蒙皮桁条结构最优设计
方案ꎮ 结果表明:“ Π” 型桁条的承载效率较高ꎬ最终优化结果对大型蒙皮桁条结构减重效
果明显ꎮ
关键词:蒙皮桁条结构ꎻ后屈曲分析ꎻ结构优化ꎻ代理模型
中图分类号:Ｖ４２１４文献标识码:Ａ文章编号:１６７４￣５８２５(２０２０)０２￣０１６６￣０６
(１国防科技大学空天科学学院ꎬ长沙４１００７３ꎻ ２. 北京宇航系统工程研究所ꎬ北京１０００７６)
摘要:针对大直径运载火箭结构轻质优化设计ꎬ开展轴压作用下的蒙皮桁条结构优化方法研
究ꎮ 首先采用显式非线性动力学算法进行静稳定性分析ꎬ获得蒙皮桁条结构的后屈曲失稳
路径ꎻ然后根据蒙皮桁条结构特点ꎬ基于Ｋｒｉｇｉｎｇ代理模型和组合优化算法的分步优化策略ꎻ
(１. ＣｏｌｌｅｇｅｏｆＡｅｒｏｓｐａｃｅＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇꎬ ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙꎬ Ｃｈａｎｇｓｈａ４１００７３ꎬ Ｃｈｉｎａꎻ

基于Kriging代理模型的两类全局优化算法比较

基于Kriging代理模型的两类全局优化算法比较周昳鸣;张君茹;程耿东【期刊名称】《计算力学学报》【年(卷),期】2015(000)004【摘要】Surrogate based algorithms have been applied increasingly in the field of structural pared with traditional optimization algorithms,surrogate based algorithms have advantages in dealing with the problems which have noise or are very time-consuming in simulation.To avoid falling into local optima,surrogate based algorithms use infill criteria to balance exploitation and exploration. This paper presents a new global optimization algorithm based on Multi-start local search with geomet-rical exploration (MSG),and compares it with efficient global optimization (EGO)by using several numerical problems.This paper analyzes the effects for MSG parameters and discusses the behaviors and applications for MSG and EGO.%代理模型在结构优化领域中的应用逐渐增多。

相对传统优化方法，代理模型方法在处理带有噪音或仿真模拟十分耗时的问题时有明显优势。

基于Kriging模型的QPSO算法在固体运载火箭弹道优化中的应用

基于Kriging模型的QPSO算法在固体运载火箭弹道优化中
的应用
李靖;廖瑛;杨雅君
【期刊名称】《弹箭与制导学报》
【年(卷),期】2014(034)003
【摘要】应用基于Kriging模型的量子粒子群优化算法研究了固体运载火箭弹道优化问题.该方法利用Kriging方法建立弹道计算近似模型,再引入量子粒子群算法建立了基于代理模型的优化框架.仿真结果表明,此方法可有效完成弹道参数寻优,箭体运载能力提高了38.46 kg,三级一次工作时间减少了27 s.此算法参数设置少,易于实现,能提高运载火箭综合性能,具有一定的工程应用价值.
【总页数】5页(P141-145)
【作者】李靖;廖瑛;杨雅君
【作者单位】湘潭大学信息工程学院,湖南湘潭411105;湘潭大学信息工程学院,湖南湘潭411105;国防科学技术大学航天科学与工程学院,长沙410073;国防科学技术大学航天科学与工程学院,长沙410073
【正文语种】中文
【中图分类】TJ013
【相关文献】
1.基于组合粒子群算法的运载火箭弹道优化设计 [J], 张柳;张雪梅;唐琼;申麟;王俊峰
2.基于组合算法的多级固体运载火箭运载能力优化 [J], 梁欣欣;辛万青;张耐民;王增寿
3.基于序列近似优化算法的固体运载火箭弹道设计 [J], 彭科;胡凡;张为华
4.基于粒子群算法的固体运载火箭上升段弹道优化设计研究 [J], 杨希祥;江振宇;张为华
5.基于自适应遗传算法的空射运载火箭弹道优化方法 [J], 胡钰;王华
因版权原因，仅展示原文概要，查看原文内容请购买。

基于Kriging代理模型的倒角建筑流场优化

ＯｐｔｉｍｉｚａｔｉｏｎｏｆＣｈａｍｆｅｒＡｎｇｅｌＡｒｃｈｉｔｅｃｔｕｒｅＦｌｏｗＤｉｓｔｒｉｂｕｔｉｏｎＢａｓｅｄｏｎＫｒｉｇｉｎｇＳｕｒｒｏｇａｔｅＭｏｄｅｌ
ｏｂｊｅｃｔｉｖｅ．［Ｋｅｙｗｏｒｄｓ］ｓｕｒｒｏｇａｔｅｍｏｄｅｌ；ｃｏｍｅｒｕｎｄｅｒｃｕｔｔｉｎｇａｒｃｈｉｔｅｃｕｒｔｅ；ｏｐｔｉｍｉｚｅｄａｎａｌｙｓｉｓ般的高层建筑采用矩形平面，但对于超高层建筑而言，采用矩形平面不利于结构抗风，而平面为圆形、椭圆形、三角形、Ｙ形、月牙形的建筑，对横向作用力的敏感性小于矩形平面。此外，角部修正也是建筑平面形状优化的另一重要方
ｔｈａｔＫｒｉｇｉｎｇｓｕｒｒｏｇａｔｅｍｏｄｅｉｓｂｅｔｔｅｒｔｈａｎｏｔｈｅｒｓ，ａｎｄｌａｔｅｒａｄｏｐｔｅｄｆｏｕｒａｌｇｏｒｉｔｈｍｓ，ＭＩＧＡ，ＮＬＰＱＬ，ＡＭＧＡａｎｄＭＭＦＤ，
一
全局优化（ＧｌｏｂａｌＯｐｔｉｍｉｚａｔｉｏｎ）【３］、多目标优化（ＭｕｌｔｉＯｂｊｅｃｉｔｖｅＯｐｉｔｍｉｚａｔｉｏｎ，ＭＯＯ）『４］、多学科优化（ＭＤＯ）【５．６］、不确定性优化（ＰｒｏｂａｂｉｌｉｓｔｉｃＤｅｓｉｇｎＯｐｔｉｍｉｚａｔｉｏｎ）［等新的设计需求越来越多，大规模，高耗时的计算过程已十分常见。因此，如

基于双层更新Kriging模型的机械结构动态特性稳健优化设计

基于双层更新Kriging模型的机械结构动态特性稳健优化设计摘要本文对稳健设计进行了简单的分析，阐述了Kriging模型，针对基于双层更新Kriging模型的机械结构动态特性稳健优化展开了深入的研究分析，结合本次研究，发表了一些自己的建议看法，希望可以对机械结构动态特性稳健优化设计起到一定的参考和帮助，提高机械结构动态特性稳健优化设计有效性，更好的完成机械结构设计，满足实际使用需要。

关键词双层更新Kriging模型；机械结构；动态特性；稳健；优化设计随着我国社会经济的发展进步，现代制造装备正在向着复杂化、大型化以及精密化方向发展，设备的综合性能越来越受到关键部位结构动态特性因素影响。

当前在制造装备设计方面对于关键部件结构动态特性的考虑不是十分全面和具体，装备在使用过程中其噪音以及振动问题越来越明显，其故障发生率也随之增大。

另外，机械结构在设计、制造、运输、装配以及使用过程中存在有较多的不确定性因素，这些因素会很大程度上影响到装备的结构动态特性。

因此，在进行机械结构动态特性优化设计时，必须要对这些不确定性因素有充分全面的分析考虑，展开稳健优化设计，保证装备具备稳健最优动态特性水方案，本文就此展开了研究分析[1]。

1 稳健设计稳健设计指的是在不确定性因素存在情况下，使机械机构性能在不确定参数方面的敏感性得到有效的控制和降低，使机械结构性能得到改善，其成本得到有效控制。

当前稳健设计在航天航空、汽车工业等领域有着非常广泛的应用。

在实际的机械结构动态特性设计过程中，稳健设计主要体现在将可靠性优化设计模型目标函数中引入可靠性灵敏度，在机械结构动态特性稳健优化设计方面的应用相对较少。

这种原因的出现主要是因为无法及时获取机械结构动态特性与设计变量不确定性因素的数字表达，必须要展开大规模的分析计算，得到确定变量情况下的机械结构动态特性指标值，另外，稳健设计还需要包含有非常多的不确定性分析，最终增大了稳健优化模型数值求解难度[2]。

协同过滤算法的改进与优化(Ⅰ)

协同过滤算法的改进与优化协同过滤算法是推荐系统中常用的一种算法，它通过分析用户行为数据，发现用户之间的相似性，从而进行个性化的推荐。

然而，传统的协同过滤算法存在一些问题，比如数据稀疏性、冷启动问题等，因此需要不断进行改进和优化。

改进一：基于模型的协同过滤算法传统的协同过滤算法主要有基于用户的协同过滤和基于物品的协同过滤两种类型。

对于大规模稀疏数据集来说，基于模型的协同过滤算法可以更好地处理这些问题。

基于模型的协同过滤算法通过对用户和物品的隐含特征进行建模，可以更好地挖掘用户和物品之间的关系。

例如，矩阵分解算法就是一种基于模型的协同过滤算法，它通过将用户-物品评分矩阵分解为两个低维矩阵来挖掘用户和物品的隐含特征，从而进行推荐。

改进二：混合推荐算法除了协同过滤算法外，还可以将其他推荐算法与协同过滤算法相结合，从而提高推荐系统的性能。

混合推荐算法可以克服单一推荐算法的局限性，从而获得更准确的推荐结果。

例如，可以将内容-based推荐算法与协同过滤算法相结合，通过分析物品的内容信息和用户的行为数据来进行推荐，从而提高推荐系统的覆盖率和准确率。

改进三：增量式更新传统的协同过滤算法需要对整个用户-物品评分矩阵进行计算，然而随着用户和物品数量的增加，评分矩阵的规模会变得非常庞大，导致计算量巨大。

为了解决这个问题，可以采用增量式更新的方法，即只对新加入的用户和物品进行重新计算，从而减少计算量，提高推荐系统的效率。

改进四：隐式反馈传统的协同过滤算法主要利用显式反馈数据，比如用户对物品的评分数据。

然而，在现实场景中，很多用户并不会对物品进行评分，而是通过其行为数据来表达对物品的喜好。

因此，可以引入隐式反馈数据，比如用户的点击、购买、浏览等行为数据，从而提高推荐系统的准确性和覆盖率。

改进五：多样性和新颖性传统的协同过滤算法往往会出现推荐结果过于相似的问题，从而缺乏多样性和新颖性。

为了解决这个问题，可以引入多样性和新颖性的指标，从而对推荐结果进行优化。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｃｎｄｎｅｒｇｏｓｈｒｇｎ — ａｅｆｄｔｒｕｈｔｅｏｔｚｔｎｏｌｓｉａｕｃｉｎａｄｏｆｅｃｅｉｎ．ＴｅＫｉｉｇＣＯｗｓｖｒｅｈｏｇｈｐｉａｉｆａｃａｓｌｆｎｔｎｉｉｉｍｉｏｃｏ
Ｄ：１．９９ｊｉｎ０５ —７４２１．．０ＯＩ０３６／．ｓ．２８２２．００００９ｓ４
基于Ｋｒｉｇ模型的改进协同优化算法ｉｎｇ
张静，李柏林。张卫华刘永均，，
（．西南交通大学牵引动力国家重点实验室，四川成都６０３；．成都理工大学核技术与自动化工程学院，１１０ｌ２
四川成都６０５３１０９；．西南交通大学机械工程学院，四川Ｉ成都６０３）１０１
摘要：为了提高协同优化算法的求解效率，利用Ｋｉｎ模型，ｒｉｇｇ构造系统级近似优化模型，出了基于Ｋｇｎ提ｉｒｉｇ
模型的改进协同优化算法．该算法采用置信域与均匀设计相结合的方法，完成近似模型的更新；采用序列二次规划算法，完成优化问题的求解．以经典函数和减速器设计为例，验证了改进协同优化算法．结果表明：该算法能提高计算效率，在减速器设计中，迭代次数减少５％左右．０关键词：多学科设计优化；同优化；ｒｉ模型协Ｋｉｎｇｇ
ＥｇｅｒｇＳｕｈｅｔｉｔｇＵｉｒｔ，ｈｎｄ１０１Ｃｉａｎｉｅｎ，ｏｔｗｓＪｏｎｎｖｓｙＣｅｇｕ６０３，ｈｎ）ｎｉａｏｅｉ
Ａｂｓｒｃ：Ｉｏｄｒｏｉｒｖｔｅｏｔａｔｎｒｅｔｍｐｏｅｈｃｍｐｕａｉｎａｅｃｅｃ０ｔｅｃｎｅｔｏｌｃｌｂｒｔｖｔｔｏｌｆｉｎｙｆｈｏｖｎｉｎａｏｌｏａｉｅｉａ
第４５卷
第４期
西
南
交ห้องสมุดไป่ตู้
通
大
学
学
报
Ｖｏ＿Ｎｏ．ｌ４５４
２１００年８月
ＪＯＵＲＮＯＨＷＥＳＩＡＬＯＦＳＵＴＴＪＡＯＴＧＵＮＶＥＩＹＯＮＩＲＳＴ
Ａｕ．２０ｇ０１
文章编号：２８２２（０００－５９００５－４２１）４０３－５７
ｐｏｒｍｍｉｇａｇｒｔｍ．ＮｕｒｃｌｅｕｔｈｗｈｔｔｅｒｇａｎｌｏｈｉｍｅｉａｒｓｌｓｓｏｔａｈＫｒｇｎ — ｉｉｇＣＯｃｎｉｐｏｅｈｏｐｔｔｏｌａｍｒｖｔｅｃｍｕａｉｎａ
ｏｔｚｔｎ（Ｏ）ｎｉｐｏｅｏａｏａｖｐｉｉｔｎａｏｔｍｂｓｄｏｈｒｉｇｍｄｌｐｉａｏＣ，ａｍｒｖｄｃｌｂｒｔｅｏｔｚｉｌｒｈａｅｎｔｅＫｉｎｏｅｍｉｉｌｉｍａｏｇｉｇ（ｒｉｇＣｒｓｏｔａｒｐｓｄｎｔｉａｏｉｍ，ｔｅａｐｏｉａｐｉｉｔｎｍｄｌａｔｅＫｉｎ — Ｏｆｈｒ）ｗｓｐｏｏｅ．Ｉｈｓｌｒｈｇｏｇｔｈｐｒｘｍｔｏｔｚｉｏｅｔｈｅｍａｏ
ｔｅｄｓｇｆａｓｅｄｒｄｃｒｎｈｐｉｚｔｏｄｅｓｗｅｅｓｌｅｉｇｔｅｓｑｕｎｉｌｑｄａｉｈｅｉｎｏｐｅｅｕｅ，ａｄｔｅｏｔｍｉａｉｎｍｏｌｒｏｖｄｕｓｎｈｅｅｔａｕａｒｔｃ
（．ＴａｔｎＰｗｒｔｔＫｙＬｂｒｔｙＳｕｈｅｔｉｔｇＵｉｒｉ，ｈｎｄ１０，ｈｎ；．Ｓｈｏｏｕｌｒ１ｒｃｏｏｅａｅａｏａｒ，ｏｔｓＪｏｎｎｖｓｙＣｅｇｕ０３Ｃｉａ２ｃｏｌｆｃｅｉＳｅｏｗａｏｅｔ６１Ｎａ
Ｔｃｎｌｇｎｔｍａｉｎ，ＣｅｇｕＵｎｖｒｉｆＴｃｎｌｇ，Ｃｈｎｄ１０９，ＣｉａｅｈｏｏｙａｄＡｕｏｔｏｈｎｄｉｅｓｙｏｅｈｏｏｔｙｅｇｕ６０５ｈｎ；３ＳｈｏｆＭｅｈｎｃｌ．ｃｏｌｏｃａｉａ
ｓｓｅｌｖｌｉｏｓｒｔｄｗｉｈｅＫｒｇｎｄｌｎｓｕｄｔｄｂｙｕｎｆｒｄｓｇｏｉｅｔｙｔｍｅｅｓｃｎｔｅｔｔｉｉｇｍｏｅ，ａｄｉｐａｅｉｍｅｉｎｃｍｂｎｄｗｉｈｕｃｈｏ
中图分类号：Ｈ１３１Ｔ２．文献标识码：Ａ
ＩｐｒｖｄＣｏｌｂｒｔｖｐｉｉａｉｎＡｌｏｉｈｍｏｅｌｏａｉｅＯｔｍｚｔｏｇｒｔｍａ
ＺＡｎＨＮＧｒｇ一，Ｌａｉ。ＺＡＧＷｅｕＬＵＹｎ］ｎｉＩｉｎ，ＨＮｉａ，ＩｏｇｕＢｌｈ