【技术实现步骤摘要】
本专利技术属于高效代理建模，尤其涉及一种基于逼近理想点加权的多模型决策自适应采样方法。
技术介绍
1、代理模型又称元模型(metamodel)是一种使用少量数据构建真实模型的近似模型的方法。近几十年来，代理建模技术蓬勃发展，涌现了许多经典的代理模型方法，如：多项式回归(prs)、径向基函数(rbf)、克里金模型(krg)、支持向量回归(svr)等经典方法以及以深度神经网络(dnn)为代表的新方法。但面对复杂的优化设计问题，代理模型仍需要耗费较多时间搭建训练样本集。理论上，样本集越精密训练得出的代理模型拟合性能就越好，但这也导致样本集搭建时间呈几何上升。
2、近年来，复杂问题的代理建模正从一次性的采样方法，如经典的拉丁超立方采样(lhd)、均匀设计(ud)等，向序贯性的自适应采样技术发展。一次采样方法是指将样本点分布在整个输入空间中，以此来构建代理模型。自适应采样是指在模型预测误差较大的区域(感兴趣区域)采集更多的样本点，而后不断地通过迭代的方式添加新的样本点以更新代理模型，直到满足停止标准。该方法可以用更少的样本点构建更准确...
【技术保护点】
1.一种基于逼近理想点加权的多模型决策自适应采样方法，其特征在于，包括：根据实际问题需求，使用参数化仿真建模方法搭建初始样本集，并使用逼近理想点加权模型计算初始权重；
2.如权利要求1所述的基于逼近理想点加权的多模型决策自适应采样方法，其特征在于，计算所述多模型决策模型的性能表现方法为：
3.如权利要求1所述的基于逼近理想点加权的多模型决策自适应采样方法，其特征在于，所述逼近理想点加权模型计算初始权重的过程包括：正向化处理、标准化处理、计算得分、归一化处理。
4.如权利要求3所述的基于逼近理想点加权的多模型决策自适应采样方法，其特征...
【技术特征摘要】
1.一种基于逼近理想点加权的多模型决策自适应采样方法，其特征在于，包括：根据实际问题需求，使用参数化仿真建模方法搭建初始样本集，并使用逼近理想点加权模型计算初始权重；
2.如权利要求1所述的基于逼近理想点加权的多模型决策自适应采样方法，其特征在于，计算所述多模型决策模型的性能表现方法为：
3.如权利要求1所述的基于逼近理想点加权的多模型决策自适应采样方法，其特征在于，所述逼近理想点加权模型计算初始权重的过程包括：正向化处理、标准化处理、计算得分、归一化处理。
4.如权利要求3所述的基于逼近理想点加权的多模型决策自适应采样方法，其特征在于，所述逼近理想点加权模型计算初始权重的过程中正向化处理的方法为：
<...【专利技术属性】
技术研发人员：孟凯，徐翊航，张航瑛，楼佩煌，钱晓明，武星，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
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。