面向高维昂贵优化问题的代理模型辅助的并行协同方法
摘要文本
本发明公开了一种面向高维昂贵优化问题的代理模型辅助的并行协同方法，包括：(1)确定设计空间与优化目标，种群与关键迭代参数初始化，给出收敛条件；(2)基于多目标非支配排序技术来构建并行维度扰动变异操作；(3)基于局部预测信息与个体分布来构建两层真实子代个体筛选机制；(4)采用DE/current‑to‑pbest/2/bin进行高潜力个体引导的协同变异；(5)基于全局预测信息与个体分布来构建两层真实子代个体筛选机制；(6)设计基于局部径向基函数的局部搜索策略；(7)更新种群与关键迭代参数信息，判断是否达到收敛条件，若收敛则输出优化解，否则转至步骤(2)，直至达到收敛条件。本发明能够加快收敛速度，针对高维问题的适用性较强、灵活性较好。
申请人信息
- 申请人:南昌大学
- 申请人地址:330000 江西省南昌市红谷滩新区学府大道999号
- 发明人: 南昌大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 面向高维昂贵优化问题的代理模型辅助的并行协同方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311500236.7 |
| 申请日 | 2023/11/10 |
| 公告号 | CN117421989A |
| 公开日 | 2024/1/19 |
| IPC主分类号 | G06F30/27 |
| 权利人 | 南昌大学 |
| 发明人 | 杨赞; 刘建胜; 黄纪绘; 袁彬; 鲁翠媛; 张坤 |
| 地址 | 江西省南昌市红谷滩新区学府大道999号 |
专利主权项内容
1.一种面向高维昂贵优化问题的代理模型辅助的并行协同方法，其特征在于，所述方法包括：(1)根据待优化实际工程问题确定该优化问题的设计空间与优化目标评估函数，在设计空间上下界内进行采样以获得初始种群样本点，并通过优化目标函数进行评估，形成初始种群，并将所有初始种群中已评估个体用于构建数据库，根据实际工程设计周期与优化精度要求设计收敛条件，初始化算法迭代过程中的关键迭代参数；(2)通过多目标非支配排序法确定非支配个体集合，并对所有非支配个体进行并行维度扰动变异操作，产生多个局部候选子代池；(3)基于局部径向基函数预测值与候选子代个体分布特性构建两层真实子代个体筛选机制，评估真实子代并更新种群与关键迭代信息；(4)采用DE/current-to-pbest/2/bin进行高潜力个体引导的协同变异，产生多个全局候选子代池；(5)基于全局径向基函数预测值与候选子代个体分布特性构建两层真实子代个体筛选机制，评估真实子代并更新种群与关键迭代信息；(6)构建基于空间划分的局部径向基函数训练样本选择策略，在构建的两种局部设计空间内设计高效的基于局部径向基函数的局部搜索策略；(7)更新种群与关键迭代参数信息，判断是否达到收敛条件，若收敛则输出优化解，否则转至步骤(2)，直至达到收敛条件。