徑向基函數(shù)算法在多學(xué)科優(yōu)化中的應(yīng)用研究及程序?qū)崿F(xiàn).pdf

1、多學(xué)科優(yōu)化設(shè)計(jì)問(wèn)題一般都涉及到大型復(fù)雜的系統(tǒng)，由于大量的設(shè)計(jì)變量、多種約束條件、多個(gè)優(yōu)化目標(biāo)和復(fù)雜設(shè)計(jì)空間的存在，這使得在構(gòu)建多學(xué)科優(yōu)化模型求解優(yōu)化結(jié)果時(shí)非常困難，多數(shù)情況下是得不到最優(yōu)化的設(shè)計(jì)值。近似方法就是針對(duì)這樣的問(wèn)題而提出來(lái)的。
　　近似方法在工程上又叫代理模型，它通過(guò)一次或者多次對(duì)學(xué)科數(shù)據(jù)進(jìn)行分析，可以得到部分或者全部設(shè)計(jì)空間的模擬，從而得到真實(shí)隱式函數(shù)的顯式近似函數(shù)表達(dá)式。多個(gè)學(xué)科之間的耦合關(guān)系可以通過(guò)近似方法來(lái)得以恰

2、當(dāng)處理，并可以得到學(xué)科間具有耦合關(guān)系設(shè)計(jì)量的近似函數(shù)關(guān)系，再進(jìn)一步耦合到優(yōu)化進(jìn)程中。同時(shí)基于近似函數(shù)的信息交換十分方便，可以將數(shù)值噪聲消除。
　　人工神經(jīng)網(wǎng)絡(luò)具有多學(xué)科交叉學(xué)習(xí)逼近能力，越來(lái)越多的被廣泛應(yīng)用于許多領(lǐng)域。神經(jīng)網(wǎng)絡(luò)傳統(tǒng)上有4種基本模式:前饋型、反饋型、自組織型和隨機(jī)網(wǎng)絡(luò)。在信號(hào)處理、模式識(shí)別等領(lǐng)域中，前饋網(wǎng)絡(luò)被極為廣泛的得到應(yīng)用，但是大多數(shù)基于反向傳播的前傳多層網(wǎng)絡(luò)都有一個(gè)共同的缺點(diǎn)，即網(wǎng)絡(luò)與參數(shù)之間的高度非線性。這樣

3、極有可能使得網(wǎng)絡(luò)在學(xué)習(xí)階段的參數(shù)估計(jì)陷入其優(yōu)化標(biāo)準(zhǔn)的局部極小。
　　徑向基函數(shù)RBF(radial basis function)是一種前饋網(wǎng)絡(luò)，它為多層前傳網(wǎng)絡(luò)提供了一種很有效的學(xué)習(xí)方法。首先它網(wǎng)絡(luò)層簡(jiǎn)單，只有三層;其次它可以避免像BP網(wǎng)絡(luò)那樣因網(wǎng)絡(luò)的反向傳播而帶來(lái)的繁瑣而復(fù)雜的計(jì)算，提高學(xué)習(xí)速度;再次它可以克服局部最小問(wèn)題，而且任何BP網(wǎng)絡(luò)能逼近的網(wǎng)絡(luò)都可以用一個(gè)RBF網(wǎng)絡(luò)代替，而且如果RBF結(jié)合DOE設(shè)計(jì)方法得以實(shí)現(xiàn)會(huì)有非常