买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提出了一种基于个体惩罚的代理模型辅助优化方法，属于计算机技术领域，主要解决现有方法中代理模型预测精度差、经验性地处理约束条件的问题，其实现方案为：生成初始种群并初始化档案；确定惩罚系数的范围；匹配惩罚系数与个体；在档案中找到每个个体的最近邻个体；根据最近邻个体，分别为目标函数和约束函数构建代理模型；通过差分进化算子生成试验子代；选出最佳候选解；执行选择操作；更新档案并输出最优可行解。本发明有效地提升了代理模型的局部预测精度，能自适应地设置惩罚系数，能适应不同特征的昂贵约束优化问题，可用于解决计算流体力学、化工过程设计和结构设计等工程问题。

主权项：1.一种基于个体惩罚的代理模型辅助优化方法，其特征在于，包括如下步骤：1生成初始种群并初始化档案：1.1获取待优化目标的原始信息，包括决策空间，目标函数和约束函数，并在决策空间中进行初始采样，得到初始种群；评估初始种群的目标函数和约束函数值；1.2利用初始种群及其目标函数和约束函数值构成档案A；2初始化参数：设置函数评估次数为FEs＝NP，最大函数评估次数为MaxFEs，迭代次数为t＝1；3确定惩罚系数的范围：分别根据目标函数值和约束函数值将当前种群中的个体递增排序，得到索引集合为Of和Oc；根据索引集合Of和Oc，确定惩罚系数的下界rmin和上界rmax；4匹配惩罚系数与个体：根据变换适应度函数评估当前种群中的全部个体，按照递增排序得到个体的索引集合为Index；根据索引集合Index，为每个个体匹配一个惩罚系数；计算种群中所有个体的罚函数值；5获取最近邻个体并构建局部搜索区域：5.1计算每个个体与档案A中全部个体之间的距离；在档案A中找到距离每个个体最近的K个个体；5.2根据最近邻的K个个体，确定局部搜索区域的边界；6为目标函数和约束函数构建代理模型：6.1基于径向基函数分别搭建目标函数和约束函数的代理模型；6.2根据最近邻的K个个体及其目标函数值和约束函数值，训练得到目标函数和约束函数的径向基函数代理模型；7通过差分进化算子生成试验子代并选出最佳候选解：7.1亲本种群由当前个体及其最近邻的K个个体组成；采用差分进化算子来生成多个试验子代；7.2根据目标函数和约束函数的代理模型评估所有的试验子代，得到代理模型预测的最佳候选解；8执行选择操作：根据原目标函数和约束函数评估最佳候选解，计算最佳候选解的罚函数值；如果最佳候选解的罚函数值小于当前个体的罚函数值，则将当前个体替换为最佳候选解；否则，保留当前个体；令FEs＝FEs+1；9更新档案：添加最佳候选解及其目标函数和约束函数值到档案A中；10判断FEsMaxFEs是否成立：若是，则根据可行性规则比较档案A中的个体之间的优劣，输出待优化问题的最优可行解；否则，令t＝t+1，返回步骤3。

全文数据：

权利要求：

百度查询： 天津大学 一种基于个体惩罚的代理模型辅助优化方法