主权项 |
一种高斯径向基函数代理模型的参数确定方法,其特征在于,该方法具体包括以下步骤:第一步:将样本空间线性映射到n维单位立方体内;采用下式将样本空间线性映射到n维单位立方体内:<maths num="0001"><math><![CDATA[<mrow><msub><mi>x</mi><mi>k</mi></msub><mo>=</mo><mfrac><mrow><msub><mi>X</mi><mi>k</mi></msub><mo>-</mo><msubsup><mi>X</mi><mi>k</mi><mi>L</mi></msubsup></mrow><mrow><msubsup><mi>X</mi><mi>k</mi><mi>U</mi></msubsup><mo>-</mo><msubsup><mi>X</mi><mi>k</mi><mi>L</mi></msubsup></mrow></mfrac><mo>,</mo><mi>k</mi><mo>=</mo><mn>1</mn><mo>,</mo><mn>2</mn><mo>,</mo><mo>...</mo><mo>,</mo><mi>n</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>3</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001082531700000011.GIF" wi="1230" he="136" /></maths>式中,<img file="FDA0001082531700000012.GIF" wi="201" he="62" />分别为第k维设计变量的上下界;X<sub>k</sub>、x<sub>k</sub>分别为原设计空间与映射后单位立方体中第k维设计变量的取值;第二步:根据样本分布情况计算各样本点局部密度;采用下式计算各样本点局部密度:<maths num="0002"><math><![CDATA[<mrow><mi>ρ</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mi>e</mi><mrow><mo>-</mo><mfrac><mrow><mo>|</mo><mo>|</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>|</mo><msup><mo>|</mo><mn>2</mn></msup></mrow><msup><mi>c</mi><mn>2</mn></msup></mfrac></mrow></msup><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mi>e</mi><mrow><mo>-</mo><mfrac><mrow><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mi>T</mi></msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow><msup><mi>c</mi><mn>2</mn></msup></mfrac></mrow></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001082531700000013.GIF" wi="1325" he="163" /></maths>式中,取<img file="FDA0001082531700000014.GIF" wi="218" he="71" />得:<maths num="0003"><math><![CDATA[<mrow><mi>ρ</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mi>e</mi><mrow><mo>-</mo><mfrac><mrow><mo>|</mo><mo>|</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>|</mo><msup><mo>|</mo><mn>2</mn></msup></mrow><msup><mi>c</mi><mn>2</mn></msup></mfrac></mrow></msup><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mi>e</mi><mrow><mo>-</mo><mfrac><mrow><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mi>T</mi></msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow><msup><mi>c</mi><mn>2</mn></msup></mfrac></mrow></msup><mo>=</mo><munderover><mo>Σ</mo><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msup><mi>e</mi><mrow><mo>-</mo><msup><mi>N</mi><mrow><mn>2</mn><mo>/</mo><mi>n</mi></mrow></msup><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mi>T</mi></msup><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow></mrow></msup><mo>;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>5</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001082531700000015.GIF" wi="1561" he="163" /></maths>第三步:计算局部密度最小的样本点x<sub>s</sub>至其它样本点的最小距离d<sub>s,min</sub>;局部密度最小的样本点x<sub>s</sub>至其它样本点的最小距离d<sub>s,min</sub>为:<maths num="0004"><math><![CDATA[<mrow><msub><mi>d</mi><mrow><mi>s</mi><mo>,</mo><mi>min</mi></mrow></msub><mo>=</mo><munderover><mi>min</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><mo>[</mo><msup><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mi>T</mi></msup><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>-</mo><msub><mi>x</mi><mi>j</mi></msub><mo>)</mo></mrow><mo>]</mo><mo>;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>6</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001082531700000016.GIF" wi="1297" he="107" /></maths>第四步:确定各样本点的核宽度;采用下式确定各样本点的核宽度:<maths num="0005"><math><![CDATA[<mrow><msub><mi>σ</mi><mi>i</mi></msub><mo>=</mo><mroot><mrow><mi>ρ</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>s</mi></msub><mo>)</mo></mrow><mo>/</mo><mi>ρ</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow><mi>n</mi></mroot><msub><mi>d</mi><mrow><mi>s</mi><mo>,</mo><mi>min</mi></mrow></msub><mo>;</mo><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>7</mn><mo>)</mo></mrow></mrow>]]></math><img file="FDA0001082531700000017.GIF" wi="1215" he="75" /></maths>第五步:将样本S:[x<sub>i</sub>,y<sub>i</sub>](i=1,2,…,N)代入公式:<img file="FDA0001082531700000018.GIF" wi="1614" he="132" />得以基函数权系数w<sub>i</sub>(i=1,2,…,N)为未知数的N维线性方程组:<img file="FDA0001082531700000019.GIF" wi="1376" he="293" />式中,<img file="FDA00010825317000000110.GIF" wi="647" he="132" />求解该方程组得w<sub>i</sub>;至此,公式<img file="FDA0001082531700000021.GIF" wi="1331" he="133" />中的未知参数σ<sub>i</sub>与w<sub>i</sub>完全确定,即完成了高斯径向基函数代理模型的参数确定过程。 |