我校在利用混合代理模型提高黑箱问题全局优化精度方面取得重要进展  

出　　处：《许昌学院学报》2024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代理模型存在建模效果欠佳、优化收敛精度不高等瓶颈问题,提出了一种基于自适应加权混合代理模型(GOAAWHS)的全局优化算法,并应用到黑箱工程问题的仿真优化设计中。在每次迭代过程中,该方法能够自适应选择权重系数来构建基于Kriging和RBF的混合模型;接着,对由预测目标、均方根误差和距离参数组成的两个目标函数进行双目标优化,以生成Pareto前沿;最后,对Pareto前沿数据作进一步筛选来获取价值更大的全局最优解。

关 键 词：PARETO前沿 机械工程学院 双目标优化 自适应加权 全局优化 距离参数 混合模型 预测目标 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]