基于混合元模型的新型全局最優(yōu)化方法及其在汽車設(shè)計(jì)中的應(yīng)用.pdf

1、由于元模型具有計(jì)算速度快的優(yōu)點(diǎn)，實(shí)際工程中越來(lái)越多的采用元模型來(lái)解決耗時(shí)的黑匣子問(wèn)題，基于元模型的最優(yōu)化方法也越來(lái)越多的應(yīng)用在實(shí)際工程中來(lái)尋找某個(gè)設(shè)計(jì)的最優(yōu)解。但是，由于構(gòu)造技術(shù)的限制，單一元模型的適用范圍有限，只對(duì)某一類問(wèn)題有效。而且，當(dāng)樣本點(diǎn)數(shù)較少時(shí)，其精度較差。這些缺點(diǎn)限制了元模型以及基于元模型的優(yōu)化方法在工程中的應(yīng)用。因此，開發(fā)應(yīng)用范圍廣泛、高效的基于元模型的全局最優(yōu)化方法具有重要的工程意義。本文創(chuàng)造性的將多種元模型有機(jī)結(jié)合，取

2、得了如下成果：
　　 1.提出了解決耗時(shí)的黑匣子問(wèn)題的混合元模型自適應(yīng)建模優(yōu)化方法(HAM-Hybrid and Adaptive Metamodeling Method)。該方法在搜索過(guò)程中同時(shí)采用三種各具特點(diǎn)的元模型-Kriging，徑向基函數(shù)(RBF)和二階多項(xiàng)式響應(yīng)面(QF)。Kriging和RBF擬合的曲面通過(guò)所有樣本點(diǎn)，而QF采用最小二乘法求解所需參數(shù)，形成平滑的曲面。元模型構(gòu)建技術(shù)和構(gòu)建方法的多樣性顯著的擴(kuò)大了HA

3、M方法的使用范圍。而且，這三種元模型能夠在搜索過(guò)程中自適應(yīng)的更新、重建，能夠逐漸提高所關(guān)注區(qū)域的精度。此外，關(guān)鍵區(qū)域的提出使HAM方法具備空間縮減方法的效果，而有規(guī)律的在關(guān)鍵區(qū)域搜索使HAM方法能夠避免空間縮減方法會(huì)誤刪全局最優(yōu)的弱點(diǎn)。
　　 2.提出了能夠解決高維問(wèn)題的設(shè)計(jì)空間區(qū)別對(duì)待方法(DSD-Design SpaceDifferentiation Method)。DSD方法將HAM方法與設(shè)計(jì)空間區(qū)分策略相結(jié)合，搜索效率和

4、解決問(wèn)題的能力都有顯著提高。此方法將整個(gè)設(shè)計(jì)空間分成關(guān)鍵區(qū)域和非關(guān)鍵區(qū)域，每次搜索都同時(shí)在兩個(gè)區(qū)域中進(jìn)行(第一次迭代只在整個(gè)設(shè)計(jì)空間進(jìn)行)，搜索范圍在整個(gè)優(yōu)化過(guò)程中一直覆蓋整個(gè)設(shè)計(jì)空間。相對(duì)于HAM方法每隔兩次迭代在關(guān)鍵區(qū)域搜索一次，DSD方法的搜索效率較HAM方法有顯著提高。此外，關(guān)鍵區(qū)域擴(kuò)展策略的提出避免了算法由于關(guān)鍵區(qū)域縮減過(guò)快而陷入局部最小的可能。
　　 3.提出了基于混合元模型的解決多目標(biāo)問(wèn)題的Pareto邊界搜索方法

5、(HMPFP-Hybrid Metamodel-based Pareto Frontier Pursuing Method)。此方法將HAM的理念與解決多目標(biāo)問(wèn)題的策略相結(jié)合，能夠去除Pareto邊界上的冗余點(diǎn)，使得到的Pareto點(diǎn)的分布間距適中，節(jié)省了計(jì)算時(shí)間。分組策略和排序策略的使用使重要程度較高的樣本點(diǎn)被優(yōu)先選擇用來(lái)更新元模型。此方法在繼承HAM方法高效的基礎(chǔ)上具備了解決多目標(biāo)問(wèn)題的能力，為解決工程中多目標(biāo)問(wèn)題提供了算法選擇。<