

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、序列近似優(yōu)化是飛行器優(yōu)化設計的有效方法,是降低計算成本,提高計算效率的重要手段。序列近似優(yōu)化成功與否取決于代理模型的近似精度和加點準則的優(yōu)劣。論文針對提高代理模型精度和加點準則性能兩方面開展研究,對序列近似優(yōu)化方法進行改進,并將其應用于大氣層內助推滑翔導彈總體參數優(yōu)化。本文研究工作及創(chuàng)新點如下:
?。?)鑒于智能優(yōu)化方法以及基于代理模型的優(yōu)化方法在復雜系統(tǒng)優(yōu)化設計應用中存在問題,指出序列近似優(yōu)化在解決此類問題時具有明顯優(yōu)勢,即求
2、解效率高且具有全局最優(yōu)性。
?。?)通過對各種代理模型的調研和分析,選擇徑向基函數插值作為序列近似優(yōu)化算法的代理模型,分析得到其形狀參數對近似精度的影響規(guī)律。通過對形狀參數物理意義的分析,提出一種基于采樣點局部密度的表征方法,從而建立了一種形狀參數的直接確定方法。通過典型算例測試,驗證了方法的有效性。
(3)通過對已有序列加點準則的研究對比,發(fā)現已有加點準則均通過構造一個單目標優(yōu)化問題對下一采樣點進行選擇,不能兼顧尋優(yōu)
3、效率和代理模型近似精度。本文提出了一種基于多目標優(yōu)化策略的序列加點方法。此方法同時具備全局和局部搜索能力,將性能不同的解區(qū)別對待,更有利于對最優(yōu)解的預測和驗證。
?。?)將改進的代理模型和加點準則應用于序列近似優(yōu)化算法,提出一種序列近似優(yōu)化流程。針對此算法流程,提出一種“二步收斂判定方法”來判斷算法是否收斂,第一步:判定加入新采樣點后代理模型是否得到更新;第二步:判定加入新采樣點后代理模型近似能力是否得到提高。采用標準測試算例對
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 多準則序列采樣近似模型及全局優(yōu)化方法研究.pdf
- 近似束方法及其應用.pdf
- 基于插值聚合模型的信賴域序列近似優(yōu)化方法及應用.pdf
- 智能優(yōu)化方法及其應用研究.pdf
- 模糊雙層優(yōu)化方法及其應用研究.pdf
- 近似文本比對技術及其優(yōu)化方法.pdf
- 金融時間序列隱含模式挖掘方法及其應用研究.pdf
- 近似理論在船型優(yōu)化中的應用研究.pdf
- 基于KRLS的在線時間序列預測方法及其應用研究.pdf
- 時間序列異常點檢測的Bayes方法及其應用研究.pdf
- 時間序列建模方法應用研究.pdf
- 21316.約束優(yōu)化問題的序列近似方法收斂性
- 序列模式發(fā)現及其應用研究.pdf
- 多學科設計優(yōu)化方法及其應用研究.pdf
- 最小點覆蓋近似算法及其應用研究.pdf
- 組合近似模型預測設計方法及應用研究.pdf
- 連續(xù)體結構拓撲優(yōu)化方法及其應用研究.pdf
- 多學科協(xié)同優(yōu)化方法及其應用研究.pdf
- 移動Web前端性能優(yōu)化方法及其應用研究.pdf
- 混沌偽隨機序列及其應用研究.pdf
評論
0/150
提交評論