[發明專利]基于混沌多項式自適應加點策略不確定性優化方法及系統

在審

• 申請號: 202011493988.1
• 申請日: 2020-12-17
• 公開（公告）號: CN112749519A
• 公開（公告）日: 2021-05-04
• 發明（設計）人: 劉新強;魏鳳美
• 申請（專利權）人: 北京電子工程總體研究所
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06F30/15;G06F113/08;G06F119/14
• 代理公司: 中國航天科工集團公司專利中心 11024
• 代理人: 張國虹

1.一種基于混沌多項式自適應加點策略不確定性優化方法，其特征在于，包括：

采用拉丁超立方方法獲取一定數量的初始樣本；

在高斯-埃爾米特積分點上構建所述初始樣本的目標函數均值和方差的Kriging近似模型，使用加點準則和全局優化算法計算所述Kriging近似模型的當前最優點；

把得到的當前最優點作為樣本數據點增加到初始樣本中，更新近似模型，并對新的近似模型進行全局優化得到后次最優點；

比較所述當前最優點與所述后次最優點的誤差，以及所述Kriging近似模型在后次最優點附近的近似精度，確定目標函數的最優值點。

2.根據權利要求1所述的基于混沌多項式自適應加點策略不確定性優化方法，其特征在于，采用拉丁超立方方法獲取一定數量的初始樣本，包括：使用計算流體力學模型計算采樣點的升力系數、阻力系數、力矩系數和翼型的面積。

3.根據權利要求1所述的基于混沌多項式自適應加點策略不確定性優化方法，其特征在于，所述對新的近似模型進行全局優化，包括：建立置信下界加點準則，對目標函數進行優化。

4.根據權利要求3所述的基于混沌多項式自適應加點策略不確定性優化方法，其特征在于，所述建立置信下界加點準則，包括：設定最優性收斂準則和近似精度準則，采用GlobalSearch優化算法對目標函數進行優化。

5.一種基于混沌多項式自適應加點策略不確定性優化系統，其特征在于，包括：

獲取模塊，用于采用拉丁超立方方法獲取一定數量的初始樣本；

處理模塊，用于在高斯-埃爾米特積分點上構建所述初始樣本的目標函數均值和方差的Kriging近似模型，使用加點準則和全局優化算法計算所述Kriging近似模型的當前最優點；

優化模塊，用于把得到的當前最優點作為樣本數據點增加到初始樣本中，更新近似模型，并對新的近似模型進行全局優化得到后次最優點；

確定模塊，用于比較所述當前最優點與所述后次最優點的誤差，以及所述Kriging近似模型在后次最優點附近的近似精度，確定目標函數的最優值點。

6.根據權利要求5所述的基于混沌多項式自適應加點策略不確定性優化系統，其特征在于，所述獲取模塊包括計算子模塊，用于使用計算流體力學模型計算采樣點的升力系數、阻力系數、力矩系數和翼型的面積。

7.根據權利要求5所述的基于混沌多項式自適應加點策略不確定性優化系統，其特征在于，所優化模塊包括構建子模塊，用于建立置信下界加點準則，對目標函數進行優化。

8.根據權利要求7所述的基于混沌多項式自適應加點策略不確定性優化系統，其特征在于，所述構建子模塊設定最優性收斂準則和近似精度準則，采用GlobalSearch優化算法對目標函數進行優化。