一种多变量全局优化算法

摘要

本发明公开了一种多变量全局优化算法，包括以下步骤：初始采样、构建初始元模型集、在元模型集上搜索Pareto点集、更新适存度集合、判断新点集是否满足收敛条件、以增量RBF方法更新元模型集。本发明针对现有基于元模型的多变量优化方法采用的大都为单值元模型，一个变量函数须对应一个元模型，存在复杂度高、计算量大等问题，提出元模型集的概念，根据RBF函数的特点，将其系数向量转化为系数矩阵，使得多个变量可在同一元模型中进行仿真，大大优化了多变量优化算法。大大减少了计算工作量，降低了优化算法难度，节省宝贵计算资源，进而为工业设计中复杂机电产品结构优化设计提供一种新的思路与方法。

主权项

一种多变量全局优化算法，其特征在于：包括以下步骤：步骤一：初始采样：通过拉丁超立方采样方法采样构建初始样本点集X⁽ⁱ⁾，主要依据设计变量个数p和采样点个数p²；步骤二：构造初始元模型集：调用目标函数仿真，获得样本点集X⁽ⁱ⁾的响应值Y⁽ⁱ⁾，利用X⁽ⁱ⁾、Y⁽ⁱ⁾来构建初始元模型集，适存度集合F⁽ⁱ⁾通过Pareto适存度函数公式来计算；步骤三：在元模型集上搜索Pareto点集：在元模型集上搜索非支配点集以改进的增量拉丁超立方采样方法增加采样点，更新样本点集适存度值，在元模型集上搜索近似Pareto最优解，以全部边界点适存度值趋于零作为收敛准则；步骤四：更新适存度集合：令在目标函数进行仿真时，获得样本点集X⁽ⁱ⁺¹⁾对应值Y⁽ⁱ⁺¹⁾，然后根据增量Pareto适存度算法来计算样本点X⁽ⁱ⁺¹⁾，更新适存度集合步骤五：新点集是否满足收敛条件：判断经过精确分析的样本点的非支配点集是否满足收敛条件，如满足则退出循环，否则转向步骤三；步骤六：以增量RBF方法更新元模型集，令i＝i+1，再次循环。