代理模型由于可以有效地缩减学科分析时间,被广泛应用于优化领域。而构建高精度代理模型则取决于样本点在设计空间中的分布。为了建立拟合效率高的近似模型,在已有Kriging代理模型基础上,提出一种基于垂距和最大化点均方差取样(Integrat...代理模型由于可以有效地缩减学科分析时间,被广泛应用于优化领域。而构建高精度代理模型则取决于样本点在设计空间中的分布。为了建立拟合效率高的近似模型,在已有Kriging代理模型基础上,提出一种基于垂距和最大化点均方差取样(Integrated mean square error,IMSE)的多点取样算法,以保证预测精度的同时减少样本数量。该方法将垂距作为判定设计变量取值的标准,进行数据点的初步筛选。选取高斯函数作为设计点之间的相关函数,并且在边缘附近进一步修正。针对实际算例,将该取样算法与多点加点准则比较,结果表明使用的方法在保证全局精度的基础上,采用较少的采样点构建代理模型,具有较高的局部近似精度。展开更多
文摘代理模型由于可以有效地缩减学科分析时间,被广泛应用于优化领域。而构建高精度代理模型则取决于样本点在设计空间中的分布。为了建立拟合效率高的近似模型,在已有Kriging代理模型基础上,提出一种基于垂距和最大化点均方差取样(Integrated mean square error,IMSE)的多点取样算法,以保证预测精度的同时减少样本数量。该方法将垂距作为判定设计变量取值的标准,进行数据点的初步筛选。选取高斯函数作为设计点之间的相关函数,并且在边缘附近进一步修正。针对实际算例,将该取样算法与多点加点准则比较,结果表明使用的方法在保证全局精度的基础上,采用较少的采样点构建代理模型,具有较高的局部近似精度。
