The invention belongs to the fields of intelligent optimization based on agent model, computer simulation application and deep learning, in particular discloses a multi-point plus-point optimal sampling method based on Kriging model. Flow: Initial test design, running parallel simulation evaluation, using all sampling points to establish Kriging model, using CL strategy to obtain multiple new sampling points, determine whether the stop criteria are met; if the stop criteria are met, the cycle is terminated; if the stop criteria are not met, then add more than one new sampling point to the input. In the sample set, jump to run parallel simulation estimates and start the next iteration cycle. The invention obtains several valid parallel expensive estimation (sampling) points in a cycle optimization process, effectively improves the global optimization speed and convergence precision on the basis of greatly reducing the expensive simulation time, thereby solving the balance problem between the optimization speed and convergence precision.
【技术实现步骤摘要】
一种基于克里金模型的多点加点优化采样方法
本专利技术属于基于代理模型(也称为元模型或响应面模型)的智能优化、计算机仿真应用以及深度学习领域,尤其涉及一种基于克里金模型的多点加点优化采样方法。
技术介绍
随着设计层次提升和应用需求的扩展,人们更加注重产品的最优性能。但在产品设计过程中,由于产品知识的缺乏以及设计制造的误差,将使产品在工作过程中的部分性能指标出现一定的偏移和变换,甚至可能因出现严重偏差而导致故障和失效。尽管计算机运算能力持续增强,诸如Ansys、Dymola、ADAMS、Simulink、MWorks等软件对复杂产品的计算机仿真与分析仍非常耗时。因此,利用克里金模型近似复杂仿真的优化方法成为产品设计领域的研究热点。克里金是一种通过已有采样点预测未知观察采样点的一种插值方法。克里金的建模思想源于南非矿业工程师Krige;法国数学家Georges对该思想进行系统化、理论化分析,提出一种插值和外推理论;进而被运用到计算机科学,产生克里金模型;后来,试验设计与克里金实现过程的结合被称为DACE,广泛应用于采矿业、水文地质学、自然资源、环境科学、遥感、工程分析、机电产品设计的黑箱仿真模型中。基于克里金模型的仿真优化方法主要利用试验设计、克里金模型及其潜在的估计信息实现仿真模型的近似构造、空间探索、设计优化及可靠性分析,具有缩短设计周期、降低研发成本、提升设计精度等特点,适合解决需要昂贵估值的计算机仿真优化问题,并广泛应用于航空航天、机械工程、车辆工程、地质工程等诸多领域。在少量的昂贵仿真估值下,基于克里金的优化效率不高,且难以获得更好的优化精度。复杂的黑 ...
【技术保护点】
1.一种基于克里金模型的多点加点优化采样方法,其特征在于,步骤如下:S1、初始化参数设置:对d维优化问题,设置最大昂贵估值次数Nmax,初始昂贵估值次数为0,CL策略新增采样点个数k;其中,d代表设计空间的维数,d、Nmax、k取值均为正整数;所述估值为仿真估值或函数估值;S2、初始试验设计:采用对称拉丁超立方抽样法在整个设计空间获取n个初始采样点,且n≥2×d;S3、昂贵估值:如果是首次执行S3,则对n个初始采样点进行并行的昂贵估值,并将n个初始采样点作为输入样本集X,将针对n个初始采样点所获得的昂贵估值作为输出样本集Y,跳转至S4;如果不是首次执行S3,则对从S6所述CL策略中获得的k个新增采样点进行并行的昂贵估值,同时将从S6所述CL策略中获得的k个新增采样点并入上一次执行S3所获得的输入样本集X中作为新的输入样本集X,将针对从S6所述CL策略中获得的k个新增采样点所获得的昂贵估值并入上一次执行S3所获得的输出样本集Y中作为新的输出样本集Y,跳转至S4;S4、克里金建模:根据S3所获得的输入样本集X、输出样本集Y,利用DACE工具箱建立或更新克里金模型;S5、构造多点广义期望改善 ...
【技术特征摘要】
1.一种基于克里金模型的多点加点优化采样方法,其特征在于,步骤如下:S1、初始化参数设置:对d维优化问题,设置最大昂贵估值次数Nmax,初始昂贵估值次数为0,CL策略新增采样点个数k;其中,d代表设计空间的维数,d、Nmax、k取值均为正整数;所述估值为仿真估值或函数估值;S2、初始试验设计:采用对称拉丁超立方抽样法在整个设计空间获取n个初始采样点,且n≥2×d;S3、昂贵估值:如果是首次执行S3,则对n个初始采样点进行并行的昂贵估值,并将n个初始采样点作为输入样本集X,将针对n个初始采样点所获得的昂贵估值作为输出样本集Y,跳转至S4;如果不是首次执行S3,则对从S6所述CL策略中获得的k个新增采样点进行并行的昂贵估值,同时将从S6所述CL策略中获得的k个新增采样点并入上一次执行S3所获得的输入样本集X中作为新的输入样本集X,将针对从S6所述CL策略中获得的k个新增采样点所获得的昂贵估值并入上一次执行S3所获得的输出样本集Y中作为新的输出样本集Y,跳转至S4;S4、克里金建模:根据S3所获得的输入样本集X、输出样本集Y,利用DACE工具箱建立或更新克里金模型;S5、构造多点广义期望改善准则gEI,如公式(1)所示:在公式(1)中,fmin是当前最小函数值;和分别是克里金模型在未知观测点x处的目标函数及标准均方根误差的估计;参数g为下降因子,该因子通过对两次迭代中相关参数θ的差值进行范数取整获得,如公式(2)所示,θ为利用DACE工具箱建立克里金模型过程中所用到的相关参数变量;对于参数Tk,初始条件为和当k≥2时,期望改善的表达Tk通过公式(3)计算得到,其中,Φ为概率分布函数;g=round(norm(θi+1-θi))(2)S6、根据多点广义期望改善采样准则gEI,构造基于多点加点采样的CL策略,新增k个样本点;所述CL策略的实现过程如下:对于i=1到k,执行以下操作完成k次循环,以增加k个新增采样点:(a)、利用...
【专利技术属性】
技术研发人员:李耀辉,赵乐斌,曹福来,郭瑞瑞,张世伟,
申请(专利权)人:许昌学院,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。