邹林君
- 作品数：2 被引量：21H指数：2
- 供职机构：华中科技大学机械科学与工程学院国家CAD支撑软件工程技术研究中心更多>>
- 发文基金：国家自然科学基金国家科技重大专项更多>>
- 相关领域：机械工程自动化与计算机技术更多>>
- Kriging模型的增量构造及其在全局优化中的应用被引量：8
- 2011年
- 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EGO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.
- 邹林君吴义忠毛虎平
- 关键词：KRIGING模型
- 基于Kriging模型的全局优化方法研究
- 源函数估值次数少是面向多领域设计分析的全局优化算法的基本原则,而传统的优化算法难以满足此要求。基于响应面的全局优化算法使用响应面进行估值,因此可以大大减少源函数的估值次数。本文结合国家自然科学基金项目课题,对基于Krig...
- 邹林君
- 关键词：响应面KRIGING模型
- 文献传递
