工程优化设计中的黑箱方法.pdfVIP

工程优化设计中的黑箱方法 王希诚 大连理工大学工程力学系，大连116023 摘要：现代1=程涉及电、磁、声、光和热等多物理场作用以及宏观、细观 和微观的多尺度效应，在设计上呈现出多学科交融特点。本文针对现代工程 设计的复杂性和发展趋势，重点讨论了近年来在工程优化领域广泛应用的黑 箱优化方法，对其中的kriging替代模型进行了较详细的论述，并介绍了常 用的几种采样和加点方法。 关键词：黑箱优化，kriging模型，样本点，加点方法 1 引言 黑箱方法(又称系统辨识)——通过考察系统的输入与输出 关系认识系统功能的研究方法。它是探索复杂工程系统的重要工 具。所谓“黑箱”的概念是相对的。控制论把可以对内部结构进 行直接观察系统称为“白箱”，把完全无法对内部结构进行直接观 察的系统称为“黑箱”。黑箱方法是指利用从系统外部进行观测、 考察系统的输入、输出信息及其动态过程，来定量地认识该系统 的功能、特性和行为方式，以及探索其内部结构和机理的一种研 究方法。 工稗优化，即是从工程问题出发，在整体与部分之间、整体 与外部环境之间的相互联系中，综合地考察对象，选择设计参数， 达到全面地、最佳地解决问题。由于现代工程问题的物理和数学 模型十分复杂，很多问题只能分析出特定输入的系统响应值，难 于建立显式优化模型，使基于显函数和梯度类的“白箱”优化方 62 法失效，黑箱方法应运而生。当代最优化方法研究方面的领袖级 of Associateof 人物Fellow RoyalSociety(London)，Foreign National of Academy Powell教授对多元无约束优化直接方法的研究也倾注了大量的 精力，近年来，他的大量学术报告都是围绕求解极小化问题的不 用导数(只用函数值)的方法(MinimizationwithoutDerivatives) …。正是由于在实际应用中导数信息一般不可知，这类只用函数 mostuseful 值的方法被Powell教授称为“最有用的算法(T11e algorithm)”。他的主要研究之一，是在考虑进一步提高这类方 法的效率。根据力学学科的特点，大力提倡和推动以问题(而不 是以文献)驱动的应用研究，是一个力学工作者义不容辞且可以 大显身手的事业。 2 常用的黑箱优化技术 常用的黑箱优化方法可以基于随机抽样的智能类算法和基于 确定性抽样的替代函数类算法。 智能类算法有遗传，模拟退伙，禁忌搜索算法，蚁群算法和 粒子群算法等。遗传算法是一类借鉴生物界自然选择和自然遗传 Holland 机制的随机化搜索算法。它是由美国Michigan大学的John 法模拟生命进化机制，将较劣的初始解通过一组遗传算子，在求 解空间中按一定的随机规则迭代搜索，直到求得问题的最优解 皿。J。模拟退火算法是将物理退火过程与组合优化相结合的一种随 机迭代寻优算法。它将优化问题比拟成一个物理系统，将目标函 数比拟为物理系统的能量，由某一较高初始温度开始，利用概率 特性与抽样策略在解宇间中进行随机搜索，随着温度不断下降， 重复抽样来优化问题的解【4J。禁忌搜索算法是一种通过局部领域 搜索机制和相应的禁忌准则来避免迂同搜索的确定性迭代优化算 法。它的最重要的思想是模拟人类具有记忆功能的特征，记住以 往已搜索过的局部最优解的一些对象，并在进一步迭代搜索中尽 量避开这些对象。此外，它还通过破禁水平来释放一些被禁忌的 63 优良状态，从而使得搜索途径多样化，以最终实现全局最优化。 智能类算法避免了灵敏度分析，把优化问题视为自然界的某种现 象，遵循自然界的某种规律进行优化设计，属于全局优化方法， 但收敛速度较慢。 替代函数类算法是通过一定数目的训练样本点得到设计变 量与质量指标之间的近似关系，也称为代理模型。典型算