多準則序列采樣近似模型及全局優(yōu)化方法研究.pdf

1、進入21世紀以來，中國科技飛速發(fā)展，機械產(chǎn)品模型越來越復雜，隨之對其仿真分析消耗的計算資源也越來越高。解決這類仿真估值的優(yōu)化問題，使用傳統(tǒng)的設計工具和優(yōu)化算法是設計者難以接受的，近似模型方法是解決這類問題的有效途徑。通過采樣產(chǎn)生采樣點構建與仿真源模型近似的顯式數(shù)學模型來代替仿真模型,優(yōu)化計算可以大幅度降低。基于近似模型的全局優(yōu)化方法是利用近似模型的趨勢輔助優(yōu)化算法搜索最優(yōu)點，優(yōu)化效率進一步提高。本文圍繞MPS全局優(yōu)化算法、序列采樣、區(qū)域

2、縮減策略以及粒子群優(yōu)化算法作了進一步的研究。包括以下幾個方面：
　　1）基于最小目標最大距離序列采樣的MPS全局優(yōu)化方法。最小目標最大距離序列采樣方法利用目標值最小和采樣點之間最小距離最大的采樣準則，使得采樣點聚集于各個極值點區(qū)域，提高近似模型的局部精度，充分反映空間特性。利用該采樣方法采點準確的特點，為模式追蹤采樣提供重要的探索點，為下一次的采樣構建更精確的近似模型，從而提高了模式追蹤采樣全局優(yōu)化算法的優(yōu)化效率和優(yōu)化結果精度。<

3、br>　　2）基于最小目標最大距離序列采樣的全局優(yōu)化方法。在每次迭代中使用最小目標最大距離采樣方法產(chǎn)生探索點更新近似模型，然后對近似模型優(yōu)化求解并用該最優(yōu)點再次更新近似模型，使得采樣具有均衡的全局探索能力和局部開發(fā)能力。把該算法應用于產(chǎn)品優(yōu)化設計，效果良好。
　　3）基于優(yōu)秀粒子空間縮減策略的全局優(yōu)化方法。研究提出一種新的空間縮減策略，同時深入研究最小目標最大距離序列采樣方法，又提出距離閥值方法。結合空間縮減策略和距離閥值方法，本

4、章提出一種基于優(yōu)秀粒子空間縮減策略的全局優(yōu)化方法。數(shù)值實驗和彈簧設計優(yōu)化表明該算法能顯著減少仿真估值次數(shù)，提高優(yōu)化效率。
　　4）基于自適應序列采樣策略的粒子群優(yōu)化方法。深入分析了標準粒子群優(yōu)化算法，針對該算法優(yōu)化效率低的缺點，提出使用最小目標最大距離序列采樣方法代替拉丁超立方采樣方法對種群初始化使種群粒子具有較好的初始位置，從而提高算法的優(yōu)化效率。使用經(jīng)典測試函數(shù)和壓力容器設計優(yōu)化對其測試，測試結果表明，改進后的粒子群算法優(yōu)化效