基于Kriging模型的多目标优化方法研究

发布时间：2021-06-23 20:32

　　在工程结构优化设计过程中,通常用计算机仿真技术对结构的响应进行模拟计算,但是随着结构复杂度的提升,对其单次计算的时间会大幅度提升,用普通的智能算法如模拟退火算法和遗传算法等,需要计算大量的目标响应,因而会导致优化设计周期过长,甚至优化难以收敛。通过代理模型近似代替高保真度的计算机仿真优化,可以有效减少优化计算次数,提升优化效率。本文以代理模型的动态更新过程为主要研究对象,分析了初始样本点对代理模型优化的影响;对单目标优化,提出了多峰并行多点加点准则;针对多目标优化,提出了基于Kriging代理模型的多目标优化方法,用混合加点的方法进行代理模型的更新。本文的具体研究内容包括:（1）针对初始样本点对优化过程的影响规律,本文用优化数据定性分析了初始样本点的个数、初始样本点的分布对优化结果的影响,并分析了初始样本点对优化变量维度的适用性。结果表明初始样本点对优化结果有着重要的影响,如果初始样本点过少,则优化容易提前收敛,得到局部最小解;如果初始样本点过多,则计算量过大,动态代理模型的优化效率得不到体现;初始样本点越分散,则优化的稳定性越好;优化所需要的样本点个数随着优化变量维度的增加而增加。本... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：67 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 研究现状
        1.2.1 代理模型研究现状
        1.2.2 代理模型的更新法则的研究现状
        1.2.3 多目标优化方法的研究现状
    1.3 本文研究内容
2 基于代理模型的优化方法
    2.1 试验设计
    2.2 代理模型
        2.2.1 静态代理模型与动态代理模型
        2.2.2 Kriging代理模型
    2.3 加点准则
        2.3.1 EI加点法则
        2.3.2 置信下界准则(LCB)
    2.4 动态代理模型更新实例
    2.5 优化方法
        2.5.1 BFGS算法
        2.5.2 遗传算法(Genetic Algorithm)
    2.6 本章小结
3 初始样本点对优化效率和精度的影响规律
    3.1 初始样本点个数对代理模型效率和精度的影响
    3.2 初始样本点个数对优化问题维度的适用性
    3.3 初始样本的分布对优化精度和效率的影响
    3.4 本章小结
4 多峰并行多点加点优化准则
    4.1 基于聚类的自适应精英个体的多峰搜索算法
        4.1.1 相对上升方向
        4.1.2 个体异同性
        4.1.3 精英个体的自适应过程及多峰搜索方法
        4.1.4 数学函数算例
    4.2 多峰并行多点加点准则
    4.3 多峰并行多点加点的算例验证
    4.4 本章小结
5 基于Kriging模型的多目标优化方法
    5.1 多目标优化问题的数学描述
    5.2 多目标优化结果的评价指标
    5.3 基于Kriging模型的多目标优化方法
    5.4 基于Kriging模型的多目标优化方法的算例验证
    5.5 本章小结
6 结论与展望
    6.1 结论
    6.2 展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢


【参考文献】：
期刊论文
[1]一种改进的多目标粒子群优化算法及其应用[J]. 冯琳,毛志忠,袁平.  控制与决策. 2012(09)
[2]混合遗传算法与模拟退火法[J]. 田东平,迟洪钦.  计算机工程与应用. 2006(22)

博士论文
[1]基于代理模型的高效气动优化设计方法及应用[D]. 刘俊.西北工业大学 2015



本文编号：3245608