kriging模型的增量构造及其在全局优化中的应用 incremental kriging model rebuilding method and its application in efficient global optimization.pdfVIP

下载本文档

9
0
约2.24万字
约 7页
2017-09-05 发布于上海
举报
版权申诉

kriging模型的增量构造及其在全局优化中的应用 incremental kriging model rebuilding method and its application in efficient global optimization.pdf

1、本文档共7页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

kriging模型的增量构造及其在全局优化中的应用 incremental kriging model rebuilding method and its application in efficient global optimization

No．4 第23卷第4期计算机辅助设计与图形学学报 v01．23 201 of 1 1年4月 JournalComputer—Aided Graphics Design＆Computer Apr．201 Kriging模型的增量构造及其在全局优化中的应用邹林君，吴义忠‘，毛虎平 (华中科技大学周家CAD支撑软件工程技术研究中心武汉430074) (hustjxzlj@gmail．corn) 摘要：为了解决高效全局优化算法(EGO)中迭代次数增多时构建Kriging模型速度过慢，以及对于某些响应值变化范围较大的目标函数出现过早收敛的问题，提出了增量Kriging方法和基于此方法的改进EG0算法．增量方法利用已经得到的关联矩阵的逆矩阵和新增的数据点忽略关联系数优化的过程，直接进行一系列矩阵运算，得到新关联矩阵的逆矩阵，进而得到更新后的预测模型．改进的EGO算法使用上述的增量方法和更加严谨的停止规则．包括改善期望、自变量和响应值的停止准则．最后使用标准函数分别对增量方法和EGO算法进行测试．结果表明，增量方法可在损失少量精度的情况下大大缩短模型更新的时间，改进的EGO算法具有更高的效率和稳定性．关键词：Kriging模型；高效全局优化；增量Kriging方法；改善期望；停止准则中图法分类号：TP391 Model Incremental Methodandits inEfficient Kriging Rebuilding Application Global Optimization Zou Mao Linjan，WuYizhong’，andHuping (NationalCAD Research Scienceand 430074) SupportSoftwareEngineeringCenter，HuazhongUniversityof Technology，Wuhan efficient Abstract：In timeof the model globaloptimization(EGO)algorithm，therebuildingKriging increaseswiththe of existwhenthe rapidly increasingsamples’size。andconvergence premature may ofthe functionistoo these incrementalmethod range objective large．Toconquerproblems，an Kriging the EGO are matrixthe (IKM)and inversionofthecorrelationand improvedalgorithmproposed．The newdata are to thecoefficientsofthe modelin coefficients