一种基于增量元模型方法的全局优化算法

中国机械工程 ›› 2013, Vol. 24 ›› Issue (5): 623-627.

一种基于增量元模型方法的全局优化算法

魏昕1;吴义忠2;陈立平2

1.武汉工业学院，武汉，430023
2.华中科技大学，武汉，430074

出版日期:2013-03-10 发布日期:2013-03-19
基金资助:
国家自然科学基金资助项目（50975107，51175198）
National Natural Science Foundation of China（No. 50975107，51175198）

A Global Optimization Algorithm Based on Incremental Metamodel Method

Wei Xin1;Wu Yizhong2;Chen Liping3

1.Wuhan Polytechnic University,Wuhan,430023
2.Huazhong Univercity of Science and Technology,Wuhan,430074

Online:2013-03-10 Published:2013-03-19
Supported by:
National Natural Science Foundation of China（No. 50975107，51175198）

摘要/Abstract

摘要：

针对复杂仿真模型的全局优化问题，提出一种基于增量元模型方法的全局优化算法。首先，分析了现有增量拉丁超立方采样方法新增点数量难以控制以及其数值必须为原采样点数量的整数倍的缺陷，在此基础上利用减法规则思想改进了增量拉丁超立方采样;其次，将改进后的增量拉丁超立方采样与径向基函数的增量更新方法相结合，提出了一种全新的高效全局优化算法;最后，将该算法应用于压力容器的优化设计，计算结果证明了该方法的实用性与工程有效性。

关键词: 元模型, 全局优化, 径向基函数, 增量拉丁超立方采样

Abstract:

A new global optimization method based on incremental metamodel was proposed for the complex simulation model problem. Firstly, to overcome the defects of existing incremental Latin hyper-cube design, which was hard to control the number of sampling points and limited to multiples, we proposed an improved incremental Latin hyper-cube sampling method based on subtraction rule idea.Secondly, combined incremental Latin hyper-cube design and the method of incremental update radial basis functions, we proposed a new efficient global optimization algorithm. Finally, the method was applied to a pressure vessel design problem and the results of the example demonstrate the efficiency and engineering practicability of the presented method.

Key words: metamodel, global optimization, radial basis function, incremental Latin hyper-cube sampling

中图分类号:

TP391.9

魏昕1, 吴义忠2, 陈立平2. 一种基于增量元模型方法的全局优化算法[J]. 中国机械工程, 2013, 24(5): 623-627.

WEI Cuan-1, TUN Xi-Zhong-2, CHEN Li-Beng-2. A Global Optimization Algorithm Based on Incremental Metamodel Method[J]. China Mechanical Engineering, 2013, 24(5): 623-627.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/

https://www.cmemo.org.cn/CN/Y2013/V24/I5/623

参考文献

[1]Gu L A. Comparison of Polynomial Based Regression Models in Vehicle Safety Analysis[C]//Design Engineering Technical Conferences. Pittsburgh：ASME，2001：DAC-21063.
[2]Wang G G，Shan S. Review of Metamodeling Techniques in Surpport of Engineering Design Optimization[J]. Journal of Mechanical Design，2007，129：370-380.
[3]Lin Y. An Efficient Robust Concept Exploration Method and Sequential Exploratory Experimental Design[D]. Atlanta：Georgia Institute of Technology，2004.
[4]Wang G G，Simpson T W. Fuzzy Clustering Based Hierarchical Metamodeling for Space Reduction and Design Optimization[J].Engineering Optimization，2004，36（3）：313-335.
[5]Wild S M，Regis R G，Shoemaker C A. ORBIT: Optimization by Radial Basis Function Interpolation in Trust-Regions[J]. Sci. Comput.，2008，30（6）：3197-3219.
[6]Gutmann H M. A Radial Basis Function Method for Global Optimization[J]. Journal of Global Optimization, 2001，19: 201-227.
[7]Jones D R，Schonlau M，Welch W. Efficient Global Optimization of Expensive Black-Box Functions[J]. Journal of Global Optimization，1998，13：455-492.
[8]邹林君, 吴义忠, 毛虎平. Kriging模型的增量构造及其在全局优化中的应用[J]. 计算机辅助设计与图形学报，2011，23(4)：649-655.
Zou Linjun, Wu Yizhong, Mao Huping. Incremental Kriging Model Rebuilding Method and Its Application in Efficient Global Optimization[J]. Journal of Computer-Aided Design ＆ Computer Graphics，2011，23(4)：649-655.
[9]Wang G G. Adaptive Response Surface Method Using Inherited Latin Hypercube Design Points[J]. J. Mech. Des.，2003，125：210-220.
[10]吴义忠，陈立平. 多领域物理系统的仿真优化方法[M]. 北京: 科学出版社, 2011.
[11]Cao Y J，Wu Q H. Mechanical Design Optimization by Mixed-Variable Evolutionary Programming[C]//Proceedings of IEEE Conference on Evolutionary Computation.Indianapolis： ICEC，1997：13-16.

[1]	王鹏1, 潘迪1, 2, 叶美婷1, 叶凡1, 韩勇1, 2. 正面碰撞自动紧急制动系统作用下六岁儿童乘员姿态对损伤风险的影响[J]. 中国机械工程, 2025, 36(03): 483-492.
[2]	吕播阳1, 2, 3, 孟庆鑫1, 2, 3, 肖怀1, 2, 3, 赖旭芝1, 2, 3, 王亚午1, 2, 3, 吴敏1, 2, 3. 基于改进三元模型的波纹管型气动软体驱动器神经网络滑模控制[J]. 中国机械工程, 2024, 35(08): 1414-1425.
[3]	陈志勇, 李攀, 叶明旭, 林歆悠. 自动驾驶电动车辆基于参数预测的径向基函数神经网络自适应控制[J]. 中国机械工程, 2024, 35(06): 982-992.
[4]	文彦臻, 邓云华, 贾震. 气凝胶填充金属蜂窝夹层结构隔热性能试验与模拟[J]. 中国机械工程, 2023, 34(05): 556-562.
[5]	王东杰, 王鹏江, 李悦, 郭明泽, 郑伟雄, 沈阳, 吴淼. 掘进机截割臂自适应截割控制策略研究[J]. 中国机械工程, 2022, 33(20): 2492-2501.
[6]	张阳, 高曙, 何伟, 蔡菁. 基于多模型融合的内河船舶航行轨迹预测方法[J]. 中国机械工程, 2022, 33(10): 1142-1152.
[7]	闫天红, 王维刚, 赵海峰, 周国强. 现役导管架平台结构监测系统开发与数字孪生技术[J]. 中国机械工程, 2021, 32(20): 2508-2513.
[8]	董志奎1，3;彭利伟1;焦云静1;孙建亮1，2;禚超越1;赵静一1;卢明立3;杨志明3;王培亮3. 考虑锥向金属流动的大型锥形筒节轧制力计算模型[J]. 中国机械工程, 2019, 30(19): 2385-2393.
[9]	于世伟;周剑;张炜;张雪洁;刘焜. 粉末高速压制成形件密度影响因素分析[J]. 中国机械工程, 2018, 29(09): 1120-1126.
[10]	何冠中1,2;楼铭1,2;马运五1,2;李永兵1,2. 铝钢电阻单元焊冲裁过程建模[J]. 中国机械工程, 2018, 29(07): 864-869,881.
[11]	杨朋朋1,2;陈晓霞1,2;邢静忠1,2;姚云鹏1,2. 谐波齿轮的侧隙规律研究与有限元模型仿真[J]. 中国机械工程, 2018, 29(06): 659-666.
[12]	黄继刚1;李琳1;李凯强2. 商用车驾驶室悬置仿真设计与试验分析[J]. 中国机械工程, 2017, 28(21): 2541-2546.
[13]	张任, 胥芳, 陈教料, 潘国兵. 基于PSO-RBF神经网络的锂离子电池健康状态预测[J]. 中国机械工程, 2016, 27(21): 2975-2981.
[14]	于丽敏, 熊会元, 宗志坚, 吴义忠. 电动汽车动力系统参数多指标稳健设计方法[J]. 中国机械工程, 2016, 27(20): 2828-2834.
[15]	顾纪超, 许东阳, 李光耀, 干年妃, 樊涛. 基于多组混合元模型方法的汽车轻量化设计[J]. 中国机械工程, 2016, 27(14): 1982-1987.