基于各向异性稀疏网格数值积分统计矩估算方法.docVIP

基于各向异性稀疏网格数值积分的统计矩估算方法 不确定性设计优化中的关键部分之一是不确定性传播 不确定性传播中的一项关键内容统计矩估算 但是，现有的众多统计矩估算方法基本都面临“维数灾难”难题，也就是计算量随着随机输入维数的增加呈指数增长，高维情况下计算量不可估量。 为了应对该问题，熊芬芬等提出了基于各向同性稀疏网格的统计矩估算方法。虽然该方法被证明在高维情况下是有效的，但是在解决实际问题时，变量维数成百上千，维数灾难问题依旧不定程度上存在。 以下我们称熊芬芬等提出的方法为已有方法，在该方法中，各维变量同等对待，被赋予相同的精度水平，因此也称为各项同性稀疏网格。事实上，在实际问题中各维变量具有不同的非线性程度或者对响应函数的贡献不同，也就是说各维变量的重要程度是不同的。对于现有方法，某些非重要的维数而言，积分点可能多余。因此，维数灾难依旧存在。 因此，有必要对各维变量却别对待。对于那些具有高非线性度或者于响应函数贡献较大的维数，应该赋予较大的精度水平，从而配置较多的积分点。所以，本研究内容的目的是：根据各维变量的重要性水平，区别对待各维变量，来减轻现有方法面临的维数灾难 那么为了区分各维变量不同的重要性，产生了各项异性的稀疏网格概念。它的主要思想是，根据每维变量的重要程度(如：非线性程度、对响应函数的贡献大小)，赋予不同的精度水平（也就是不同数目的积分点） 。因此，非重要维数而言多