随机径向基函数算法Python版用户指南.pdfVIP

随机径向基函数算法Python版用户指南

JulianeM¨ullerHaoyuJia邮箱:

juliane.mueller2901@.com

hj342@2014年1月28

日

(C)2013JulianeM¨uller。

根据自由软件发布的GNU自由文档证（版本1.3或任何更新版本）的条款，允许、

分发和/或修改本文档；没有不变章节，没有封面文本，也没有封底文本。证副本包含在名为

“GNU自由文档证”的章节中。

1引言

本用户指南随附用于全局优化问题的随机径向基函数（RBF）算法。该算法旨在寻找如下形式的最

小化问题的精确解：

lu

minf(x),subjecttox≤x≤x,i1,...,d,(1)

i

ii

其中f(x)是一个计算代价较高的目标函数（通常是一个耗时的仿真模型），其解析表达式不可用

lu

（黑箱函数）。所考虑的是带有边界约束的优化问题，即仅存在变量的下界(x)和上界(x)，对于

ii

x∈R,i=1,...,d而言，其中d是问题的维度。没有其他约束条件。

i

请注意，对于函数评估计算代价较低的问题，该算法可能效率不高。模型适用于单次函数评估

耗时从几分钟到数小时或更久的情况。阅读本手册时，建议同时查看代码并尝试运行示例。假定用

户已经熟悉本实现所基于的以下内容：

•由R.G.Regis和C.A.Shoemaker于2007年在INFORMSJournalonComputing，第

19卷，第497‑509页；•由R.G.Regis和C.A.Shoemaker于2009年在INFORMS

JournalonComputing，第21卷，第411‑426页

当用户使用这些代码为其自身成结果时，应这些，并参考此Python实现。建议用

户在继续阅读本手册之前先阅读这些，以便更好地理解后续内容。

此Python代码有一个对应的Matlab实现版本，该版本发布在MatlabFileE上，其基

于R.G.Regis和Y.Wang的实现，并由J.M¨uller进行了编辑。参见R.G.Regis的

网页以获取原始代码。你刚刚的

Python实现版本包含同时进行多个函数求值的选项（此外也保留了逐次进行单个求值的选项）。