子集模拟的混合采样算法.pdfVIP

子集模拟的混合采样算法

摘要：子集模拟是当前可靠度计算领域常用的估计算法，相比于直接蒙特卡罗积分法，极大减少了函数调用的

次数。子集模拟法一般使用单一采样器，然而不同采样器适用范围不同。如使用单一椭圆切片采样器，其遍历性

较好但函数调用次数较多；而使用单一自适应条件采样时，其采样效率较高但样本容易陷入局部极值。单一采样

器由于本身特性面对不同问题时失效概率的积分结果可能出现偏差，模拟效果不稳定。本文首次提出了一种混

合采样子集模拟法，在子集模拟的前几层使用椭圆切片采样，此时失效区域收缩程度有限，函数调用次数在可接

受的范围内，样本经过采样扩充后能充分探索参数空间，更有效地检测出所有失效区域。当失效区域收缩至一定

限度后，使用自适应条件采样，此时种子样本继承了前几层样本较低的相关性，并在此基础上通过自适应条件采

样更高效地增殖样本。本文通过四个模拟算例多种维度下的数值积分验证了该算法具有椭圆切片采样器较好的

遍历性，同时采样效率位于椭圆切片采样与自适应条件采样之间，对于不同问题拥有良好的通用性。

关键词：结构可靠度；子集模拟；椭球切片采样；混合算法

1引言成，滚动地不断接近参数空间中的失效区域。其作

为一种较为高效的数值计算方法，广泛应用于各类

实际工程中，结构面临几何尺寸、材料属性、边结构可靠度的计算。此外，由于可靠度问题（小概

界条件和荷载等不确定性因素。因此，可靠性分析率事件）、优化问题（极值事件）和贝叶斯更新问题

对于结构设计优化和结构安全性评估等工作具有（极限状态方程可以看作一类特殊的似然函数）之

重要意义。其中结构失效概率的计算通常通过以间存在联系，子集模拟近年也通过改造逐渐应用在

下三种方式求解，（1）近似估计法，如基于功能函多个领域。Suo等[们将非支配排序引人样本排序

数泰勒展开的可靠度分析方法。该方法对于高度的规则，实现多目标优化。广义子集模拟「81将子

非线性问题与多失效点问题不适用。（2）蒙特卡集模拟法的应用推广到多极限状态方程与时变可

洛积分法，包括直接蒙特卡洛模拟及马尔科夫链蒙靠性分析领域[9。

子集模拟中，MCMC算法的使用在增强采样

特卡洛模拟MCMC(MarkovChainMonteCarlo)

法。此类方法具有良好的通用性与准确性，但计算效率的同时导致样本之间存在相关性。这种相关

代价较高。（3）代理模型法。常用的代理模型包性不仅会增大条件概率的计算方差，还会使得算法

括响应面法[1]、高斯过程模型[2]、Kriging模型[3]和的遍历性下降，样本无法对失效区域进行有效覆

支持向量机[4.51等。当参数维度较大时，该方法需盖，进而影响单次模拟结果的可信度。目前降低样

本相关性主要体现在参数优化和MCMC采样算

要提取特征进行降维分析，这必然导致信息丢失且

法优化两个方面。其中相关参数的优化集中于条

无法确保失效概率估计的无偏性。

件概率的选取，条件概率越低，模拟收敛的速度越

为解决高维参数空间下失效区域概率估计问

题，Au等[6}提出子集模拟算法，利用条件概率引人快，但马氏链之间相关性较高，遍历性下降。相反

的，条件概率越高，算法遍历性越好，但层与层之间

中间事件，自适应地将一个小的失效概率分解为一

的相关性上升，模拟所需计算量增大，子集模