[發(fā)明專利]一種梯度增強(qiáng)協(xié)同代理模型的加點(diǎn)更新優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010085953.8
• 申請(qǐng)日: 2020-02-11
• 公開(kāi)（公告）號(hào): CN111310328B
• 公開(kāi)（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 郝鵬;馮少軍;張坤鵬;李玉韋;王博
• 申請(qǐng)（專利權(quán)）人: 大連理工大學(xué)
• 主分類號(hào): G06F30/20
• 分類號(hào): G06F30/20;G06F111/10
• 代理公司: 大連理工大學(xué)專利中心 21200
• 代理人: 李曉亮;溫福雪

1.一種梯度增強(qiáng)協(xié)同代理模型的加點(diǎn)更新優(yōu)化方法，其特征在于，包括以下步驟：

步驟100：基于雙精度分析程度，構(gòu)建具有橋連接形式的梯度增強(qiáng)協(xié)同代理模型，包括以下子步驟：

步驟101：將優(yōu)化問(wèn)題參數(shù)化建模，轉(zhuǎn)化為優(yōu)化列式；

步驟102：采用實(shí)驗(yàn)設(shè)計(jì)方法抽取兩組樣本點(diǎn)，其中一組作為少量高精度樣本S_H，另一組為大量低精度樣本S_L；對(duì)低精度樣本集進(jìn)行調(diào)整，使之與高精度樣本重合，具體地，逐一尋找與每個(gè)高精度樣本最近的低精度樣本，將該低精度樣本移動(dòng)到對(duì)應(yīng)的高精度樣本位置處，生成具有包含形式的雙精度樣本，

步驟103：對(duì)于步驟102所得兩組樣本，分別依據(jù)高、低精度分析模型，計(jì)算對(duì)應(yīng)響應(yīng)值及梯度信息，記錄如下；

式中，Y_L為S_L低精度樣本的計(jì)算結(jié)果，其中S_L低精度樣本包括n_L個(gè)樣本點(diǎn)，d維度變量；為第i個(gè)低精度樣本的計(jì)算結(jié)果，i＝1,2...n_L；為響應(yīng)函數(shù)在處關(guān)于第j個(gè)變量的偏導(dǎo)數(shù)，j＝1,2...d；Y_H為S_H高精度樣本的計(jì)算結(jié)果，其中S_H高精度樣本包括n_H個(gè)樣本點(diǎn)，d維度變量；為第i個(gè)高精度樣本的計(jì)算結(jié)果，i＝1,2...n_H；為響應(yīng)函數(shù)在處關(guān)于第j個(gè)變量的偏導(dǎo)數(shù)，j＝1,2...d；

步驟104：根據(jù)橋函數(shù)多項(xiàng)式形式，基于最小二乘方法求解組合模型參數(shù)；

步驟105：采用梯度增強(qiáng)Kriging方法，組建具有雙精度的梯度增強(qiáng)協(xié)同代理模型；

步驟200：基于AMEI加點(diǎn)更新準(zhǔn)則，執(zhí)行加點(diǎn)更新優(yōu)化，其中加點(diǎn)更新準(zhǔn)則包括AMEI_L準(zhǔn)則函數(shù)、AMEI_H準(zhǔn)則函數(shù)，具體包括以下子步驟：

步驟201：依據(jù)優(yōu)化目標(biāo)構(gòu)建AMEI_L準(zhǔn)則函數(shù)，其準(zhǔn)則函數(shù)形式如下：

式中，Y_minL為當(dāng)前所有低精度樣本中最小值，為低精度模型提供的預(yù)測(cè)標(biāo)準(zhǔn)差；

步驟202：采用啟發(fā)類優(yōu)化算法執(zhí)行AMEI_L準(zhǔn)則函數(shù)優(yōu)化；

步驟203：基于檢測(cè)樣本計(jì)算模型擬合精度約束，即判斷條件1；判斷條件為：基于檢測(cè)點(diǎn)的模型擬合精度約束條件RMSE_δRMSE_L2RMSE_δ；其中，RMSE_δ表示偏離模型精度，RMSE_L表示低精度模型精度；具體地，由m個(gè)檢測(cè)點(diǎn)集合T進(jìn)行模型檢測(cè)，計(jì)算低精度模型精度RMSE_L與偏離模型精度RMSE_δ如下(2.2)：

步驟204：基于已有樣本計(jì)算優(yōu)化期望改進(jìn)約束，即判斷條件2；判斷條件為：基于已有樣本的優(yōu)化期望改進(jìn)條件AMEI_L0.1ΔY；其中，ΔY表示初始高精度樣本的極差；

步驟205：判斷步驟203和步驟204中的兩個(gè)判斷條件是否全部滿足條件，若是，則執(zhí)行步驟206；否則執(zhí)行步驟207；

步驟206：基于低精度分析程序?qū)?yōu)化結(jié)果加入樣本集，進(jìn)行樣本更新，并返回并執(zhí)行步驟104；

步驟207：依據(jù)優(yōu)化目標(biāo)構(gòu)建AMEI_H準(zhǔn)則函數(shù)，其準(zhǔn)則函數(shù)形式如下：

式中，Y_minH為當(dāng)前所有高精度樣本中最小值，為低精度模型提供的預(yù)測(cè)標(biāo)準(zhǔn)差；

步驟208：采用啟發(fā)類優(yōu)化算法執(zhí)行AMEI_H準(zhǔn)則函數(shù)優(yōu)化；

步驟209：判斷優(yōu)化是否收斂，若收斂，則輸出優(yōu)化設(shè)計(jì)變量及優(yōu)化結(jié)果；否則執(zhí)行步驟210；所述的收斂條件為當(dāng)前代AMEI準(zhǔn)則值小于10^-4；

步驟210：基于高精度分析程序?qū)?yōu)化結(jié)果加入樣本集，進(jìn)行樣本更新，并返回并執(zhí)行步驟104。