先进的数据驱动全局优化方法与应用

目录
前言
第1章 绪论 1
1.1 概述 1
1.2 数据驱动优化技术在仿真系统中的应用 6
1.3 数据驱动全局优化技术的发展 7
1.4 本章小结 8
参考文献 8
第2章 数据驱动优化构建过程 13
2.1 初始数据采样方法 13
2.1.1 传统实验设计方法 13
2.1.2 优化拉丁超立方实验设计方法 14
2.2 代理模型构造 19
2.3 动态采样技术 23
2.4 本章小结 26
参考文献 27
第3章 数据驱动优化方法基准测试函数 28
3.1 无约束优化算例 28
3.1.1 无约束低维算例 28
3.1.2 无约束高维算例 46
3.2 约束优化算例 51
3.2.1 约束低维算例 51
3.2.2 约束高维算例 56
3.3 工程应用算例 60
3.4 本章小结 65
第4章 基于克里金的多起点空间缩减方法 66
4.1 克里金代理模型构造 67
4.2 多起点序列二次规划算法 68
4.3 空间缩减策略 71
4.4 多起点空间缩减算法整体优化流程 73
4.5 算例测试 77
4.5.1 数学算例测试 77
4.5.2 工程算例测试 82
4.6 本章小结 84
参考文献 85
第5章 基于克里金与多项式响应面的混合代理模型全局优化方法 87
5.1 SOCE算法 88
5.1.1 SOCE的代理建模与优化 88
5.1.2 SOCE的初始化与迭代过程 89
5.1.3 基于聚类的空间探索 91
5.2 SOCE优化流程 94
5.2.1 整体优化流程 94
5.2.2 SOCE的参数分析 98
5.3 基准算例测试 102
5.3.1 对比实验 102
5.3.2 不等式约束算例对比测试 107
5.4 本章小结 111
参考文献 111
第6章 基于径向基函数与克里金的混合代理模型全局优化方法 113
6.1 HSOSR算法 114
6.1.1 径向基函数代理模型 114
6.1.2 HSOSR构建过程 114
6.2 对比实验 123
6.3 本章小结 129
参考文献 129
第7章 基于打分机制的多代理模型全局优化方法 131
7.1 MGOSIC算法流程 132
7.2 多点加点准则 135
7.3 探索未知区域 140
7.4 对比实验 141
7.5 本章小结 153
参考文献 153
第8章 基于空间缩减的代理模型约束全局优化方法 156
8.1 SCGOSR算法 157
8.1.1 多起点约束优化 157
8.1.2 约束优化的空间缩减 158
8.1.3 未知区域探索 160
8.1.4 优化流程 161
8.2 对比实验 162
8.2.1 初步测试 163
8.2.2 对比测试 166
8.2.3 深入对比和分析 170
8.2.4 空间缩减的具体分析 172
8.3 本章小结 174
参考文献 174
第9章 克里金辅助的教与学约束优化方法 176
9.1 教与学优化简介 178
9.2 KTLBO算法 179
9.2.1 KTLBO的初始化 179
9.2.2 克里金辅助教学阶段 180
9.2.3 克里金辅助学习阶段 184
9.2.4 KTLBO的整体优化框架 187
9.3 对比实验 188
9.4 工程应用 203
9.5 本章小结 207
参考文献 207
第10章 克里金辅助的离散全局优化方法 210
10.1 离散优化构建 211
10.1.1 多起点知识挖掘 212
10.1.2 约束处理 218
10.2 整体优化框架 218
10.3 算例测试 220
10.3.1 数学算例测试 220
10.3.2 工程算例测试 227
10.4 本章小结 231
参考文献 232
第11章 代理模型辅助的高维全局优化方法 234
11.1 灰狼优化算法 235
11.2 代理模型辅助的灰狼优化算法 236
11.2.1 代理模型辅助的元启发式探索 238
11.2.2 代理模型的知识挖掘过程 240
11.2.3 代理模型辅助的灰狼优化算法整体框架 242
11.3 算例测试 243
11.4 本章小结 255
参考文献 256