我校在利用代理模型提高黑箱问题近似精度方面取得重要进展  

出　　处：《许昌学院学报》2021年第2期F0003-F0003,共1页Journal of Xuchang University

摘　　要：许昌学院电气与机械工程学院李耀辉博士课题组针对目前Kriging代理模型存在的建模效率低、近似精度不高等瓶颈问题,提出了一种具有双重采样准则的自适应Kriging方法,并在工程设计领域中用于近似昂贵的黑箱问题。该方法在每次迭代过程中,首先,利用Kriging模型的预测参数估计建立了曲率加点采样准则和方差加点采样准则;其次,利用经典的信任区域策略对这两个准则进行最大化寻优,以产生两个具有较大潜力或前景的备用候选点;再次,采用了一种新的筛选方法从两个备用候选对象中确定最终的昂贵估值点;最后,将该方法与两种典型的Kriging建模方法进行了深度比较,十七个基准函数的比较结果验证了所提方法能够生成更高精度的Kriging模型。

关 键 词：KRIGING方法 近似精度 KRIGING模型 代理模型 机械工程学院 基准函数 候选对象 参数估计 

分 类 号：TB21[一般工业技术—工程设计测绘]