Kriging輔助代理模型求解昂貴單目標(biāo)約束優(yōu)化問題的研究.pdf

1、產(chǎn)品設(shè)計、機器人尋跡、能源規(guī)劃、塑料成型、企業(yè)融資、行政決策、小車碰撞、機翼設(shè)計、投資分配、城市規(guī)劃、氣流分析等領(lǐng)域中，都可能存在非常復(fù)雜、昂貴的單目標(biāo)約束優(yōu)化問題（The Problem of Single Objective Constrained Optimization，TPOSOCO）。如果直接應(yīng)用進(jìn)化算法來求解該類昂貴TPOSOCO效率低，短時間內(nèi)很難獲得滿意的解。本文采用Kriging輔助代理模型（Kriging Auxi

2、liary Agent Model，KAAM）優(yōu)化算法來求解昂貴TPOSOCO，既保證了最優(yōu)解的精度，又盡可能的加快昂貴TPOSOCO的優(yōu)化效率。本文工作內(nèi)容：
　　(1)采用Kriging代理模型替換原昂貴目標(biāo)函數(shù)f*x以及昂貴總約束函數(shù)G*x。同時采用自適應(yīng)拉丁采樣（Latin Hypercube Sampling，LHS）、最優(yōu)個體插入準(zhǔn)則、均方差插入準(zhǔn)則、相關(guān)點刪除準(zhǔn)則以及多次重復(fù)LHS優(yōu)化策略，以提高KAAM的計算精度。

3、
　　(2)將Kriging代理模型與原昂貴目標(biāo)函數(shù)f*x和G*x、遺傳算法、零約束-非支配點選擇機制（Zero Constrained-Non-Dominated，ZCND）以及（1）中各種優(yōu)化策略等技術(shù)相結(jié)合提出了動態(tài)Kriging輔助代理模型優(yōu)化算法來求解昂貴TPOSOCO，加快昂貴TPOSOCO收斂速度，并通過驗證其效果較好。
　　(3)將Kriging代理模型與原昂貴目標(biāo)函數(shù)f*x、總約束函數(shù)G*x、小生境、ZCN