一种基于克里金模型的自适应并行采样方法技术

本发明专利技术公开了一种基于克里金模型的自适应并行采样方法，首先，在设计空间内采用均匀抽样方法获得初始样本集构建初始克里金模型；然后，在迭代循环并行采样过程中，通过最大化单点序列采样准则，获得当前并行采样迭代循环的第一个新增样本点，同时使用当前拟合构建的克里金模型预测该新增样本点的响应值，更新样本集并计算其交叉验证误差，再由最大化并行采样准则，获得当前并行采样迭代循环的第二

【技术实现步骤摘要】
一种基于克里金模型的自适应并行采样方法


[0001]本专利技术涉及人工智能
，特别涉及一种基于克里金模型的自适应并行采样方法
。

技术介绍

[0002]基于数据驱动所构建的代理模型，是工程设计优化及系统决策的有效手段，尤其针对计算密集型仿真模型的高计算成本问题，代理模型业已成为解决此类问题的有效途径
。
其中，克里金
(Kriging)
模型因其具有良好的全局近似性能
、
较低的计算量等优点，在工程设计和优化领域备受关注
。
由此，鉴于实际中有限的计算资源，选择有效的样本点并减少预测均值和方差估计的计算耗时，开发设计基于克里金模型的自适应采样策略成为当前研究的焦点
。
[0003]克里金模型的构建需要有效且足够多的离散数据点，而现有的自适应采样方法多为串行计算结构，即在每一次迭代中仅选取一个更新点进行实验或仿真计算，然后利用更新点的真实值或模拟结果来更新代理模型，继而进行下一次迭代并选取下一个更新点，以此执行迭代循环直到满足设定的收敛标准
。
然而，在当前的工程设计领域，基于克里金模型的设计优化通常涉及耗时的仿真计算
。
若采用串行计算结构的序列采样方法，则基于克里金全局近似模型的构建，将是一项极其耗时和资源密集型的过程，且该方法的计算耗时还会随着项目的规模和复杂性而迅速增加
。
因此，构建自适应“并行”采样策略，即在一次迭代过程中选取多个更新点，并充分利用已有的计算机资源换取计算时间，解决代理模型构建过程中的仿真计算耗时问题，显得十分必要
。

技术实现思路

[0004]针对采用串行计算结构序列采样方法来构建代理模型，所涉及的实验或仿真计算耗时问题，本专利技术提出了一种基于克里金模型的自适应并行采样方法，实现单次迭代获得多个潜力更新点的目的，以提高克里金模型的采样和建模效率
。
[0005]本专利技术提出了一种基于克里金模型的自适应并行采样方法，该方法包括以下步骤：
[0006]步骤
1、
在设计空间内采用均匀抽样方法获得初始样本集，并通过“昂贵”函数
(
或实验手段
)
获得，或通过模拟仿真计算解得初始样本的响应值
(
称为真实响应值
)
，再由初始样本集及其响应值拟合构建初始克里金模型；
[0007]步骤
2、
评估克里金模型的近似精度，或其他满足设计要求的收敛标准，若符合收敛标准，则输出最终的克里金模型，代理模型的构建过程结束，否则继续执行；
[0008]步骤
3、
通过最大化单点序列采样准则，获得当前并行采样迭代循环的第一个新增样本点，同时使用当前拟合构建的克里金模型预测该新增样本点的响应值，将该新增样本点及其响应值与原样本集合并，记为
x0，并计算该更新样本集的交叉验证误差，记为
e
cv1
；
[0009]步骤
4、
通过最大化并行采样准则，获得当前并行采样迭代循环的第二个新增样本
点，同时使用当前拟合构建的克里金模型预测该新增样本点的响应值，将该新增样本点及其响应值与
x0合并，记为
x
temp
，并计算该更新样本集的交叉验证误差，记为
e
cv2
并计算该样本点的交叉验证误差；
[0010]步骤
5、
比较
e
cv1
和
e
cv2
的大小关系，若
e
cv1
大于
e
cv2
，且当前迭代循环采集的新增样本总数不大于设定的阈值，则返回执行步骤4，同时采集的新增样本点序号累计加1，否则终止并跳出步骤4执行步骤6；
[0011]步骤
6、
将步骤4和步骤5获得的新增样本点
(x0或
x
temp
中的新增样本
)
，通过“昂贵”函数
(
或实验手段
)
获得，或通过模拟仿真计算解得其真实响应值，并完成样本集的更新，再由该更新完的样本集拟合构建克里金模型，即实施克里金模型的更新，并返回步骤
2。
[0012]与现有技术相比，本专利技术提出的基于克里金模型的自适应并行采样方法，充分利用有限的计算机资源，解决了单次迭代挖掘多个潜力更新点的目的，极大地提高了采样或建模效率
。
同时，该方法为基于代理模型的多变量多目标的工程问题，实现快速设计优化，及其他系统工程的快速决策问题，提供了切实可行的技术措施
。
附图说明
[0013]图1为本专利技术的基于克里金模型自适应并行采样方法流程图；
[0014]图2为本专利技术具体实施例的旋转叶轮组件结构参数
。
具体实施方式
[0015]下面结合附图及具体实施方式，对本专利技术的技术方案作进一步详述
。
[0016]本实施例主要包含明确输入变量与输出目标，构建采样准则并制定自适应平衡采样策略，详细实施流程三部分内容
。
[0017](1)
输入变量与输出目标
[0018]旋转叶轮组件
(
商业油烟机用
)
的设计
(
输入
)
变量为旋转叶轮出口直径
D2、
扩压器直径
D3、
静叶栅出口直径
D4、
旋转叶片出口角
β2、
静叶片出口角
β3，如表1所示
。
旋转叶轮组件的输出目标为分离效率
、
排风量和叶轮功率
。
[0019]表
1、
旋转叶轮组件设计
(
输入
)
变量参数
。
[0020][0021](2)
采样准则与自适应策略
[0022]1)
单点采样准则使用期望改进全局拟合
(EIGF)
函数，即
[0023][0024]式中，
x∈R
n
为
n
维输入变量，
x
*
为设计空间距离
(
欧式距离
)x
最近的已知样本点，
y(x
*
)
为
x
*
点的响应值，为
x
点的预测响应值，
s2(x)
为
x
点的预测值方差
。
[0025]2)
并行采样准则
(PaS)
函数由相关函数
f
d
与
EIGF
构建，即
[0026][0027][0028]式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于克里金模型的自适应并行采样方法，其特征在于，该方法包括以下步骤：步骤
(1)、
在设计空间内采用均匀抽样方法获得初始样本集，并通过“昂贵”函数
(
或实验手段
)
获得，或通过模拟仿真计算解得初始样本的响应值
(
称为真实响应值
)
，再由初始样本集及其响应值拟合构建初始克里金模型；步骤
(2)、
评估克里金模型的近似精度，或其他满足设计要求的收敛标准，若符合收敛标准，则输出最终的克里金模型，代理模型的构建过程结束，否则继续执行；步骤
(3)、
通过最大化单点序列采样准则，获得当前并行采样迭代循环的第一个新增样本点，同时使用当前拟合构建的克里金模型预测该新增样本点的响应值，将该新增样本点及其响应值与原样本集合并，记为
x0，并计算该更新样本集的交叉验证误差，记为
e
cv1
；步骤
(4)、
通过最大化并行采样准则，获得当前并行采样迭代循环的第二个新增样本点，同时使用当前拟合构建的克里金模型预测该新增样本点的响应值，将该新增样本点及其响应值与
x0合并，记为
x...

【专利技术属性】
技术研发人员：尤学一，赵冬芳，
申请(专利权)人：天津大学，
类型：发明
国别省市：