面向變復(fù)雜度近似的嵌套實(shí)驗(yàn)設(shè)計(jì)方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，仿真精度得到極大提升，但與此相伴隨的則是仿真分析的計(jì)算開銷呈指數(shù)級(jí)增加，給現(xiàn)代復(fù)雜產(chǎn)品設(shè)計(jì)的工程應(yīng)用提出了挑戰(zhàn)。在此背景下，變復(fù)雜度近似方法（Variable Fidelity Approximation）應(yīng)運(yùn)而生，它通過使用變復(fù)雜度模型替代仿真分析模型，有效減少了計(jì)算資源的消耗?；谧儚?fù)雜度近似的設(shè)計(jì)優(yōu)化可以充分利用不同復(fù)雜度分析模型的優(yōu)勢(shì)，成為解決如何在保證可信的優(yōu)化結(jié)果前提下盡可能降低計(jì)算成本、提高計(jì)算效率這

2、一重要問題的有效途徑。
　　在構(gòu)建變復(fù)雜度近似模型之前，如何有效的配置高低復(fù)雜度模型的樣本點(diǎn)，關(guān)系到近似模型的逼近精度和構(gòu)建成本。因此，面向變復(fù)雜度近似的低復(fù)雜度（LF）模型實(shí)驗(yàn)設(shè)計(jì)方法、高復(fù)雜度（HF）模型實(shí)驗(yàn)設(shè)計(jì)方法和變復(fù)雜度建模技術(shù)是面向變復(fù)雜度近似的設(shè)計(jì)優(yōu)化方法的核心關(guān)鍵內(nèi)容。本文圍繞這三方面的關(guān)鍵內(nèi)容，開展了研究：
　　在低復(fù)雜度模型實(shí)驗(yàn)設(shè)計(jì)方法方面，提出了基于改進(jìn)局部枚舉法的拉丁超立方設(shè)計(jì)。使用迭代搜索的思想對(duì)連

3、續(xù)局部枚舉法進(jìn)行改進(jìn)，提高樣本點(diǎn)的空間填充性能并降低線性相關(guān)性，使工程產(chǎn)品設(shè)計(jì)人員能快速、高效地獲得LF模型的實(shí)驗(yàn)設(shè)計(jì)方案，為構(gòu)建性能優(yōu)良的嵌套實(shí)驗(yàn)設(shè)計(jì)打下良好的基礎(chǔ)。
　　在高復(fù)雜度模型實(shí)驗(yàn)設(shè)計(jì)計(jì)方法方面，提出了基于改進(jìn)和聲搜索算法的實(shí)驗(yàn)設(shè)計(jì)。在HF模型實(shí)驗(yàn)設(shè)計(jì)的最大多樣性問題（MDP）中，增加了最小投影距離作為約束，防止樣本點(diǎn)聚集在樣本空間邊緣。然后，創(chuàng)新性地對(duì)和聲搜索算法進(jìn)行了改進(jìn)，并應(yīng)用于MDP問題的求解中。通過一系列算例

4、展示了改進(jìn)和聲搜索算法生成HF模型樣本點(diǎn)的過程，結(jié)果表明本文提出的嵌套拉實(shí)驗(yàn)設(shè)計(jì)方法能簡(jiǎn)單快速的產(chǎn)生高質(zhì)量的樣本點(diǎn)。
　　在變復(fù)雜度建模方面，提出了基于徑向基函數(shù)（RBF）和克里金（Kriging）的混合變復(fù)雜度建模方法。首先使用 RBF函數(shù)對(duì)低復(fù)雜度模型進(jìn)行近似，接著利用最小二乘法標(biāo)度低復(fù)雜度模型，最后使用Kriging對(duì)元模型的誤差進(jìn)行修正，并得到最終的近似模型?；旌献儚?fù)雜度建模方法能有效利用有限的HF和LF樣本信息，充分利用