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！

申请/专利权人：中国人民解放军国防科技大学

摘要：本申请涉及一种基于克里金代理模型的分阶段高效约束优化方法和装置，所述方法将优化分为两个阶段，第一阶段是利用初始采样样本点建立目标函数和约束的构建初始克里金代理模型；第二阶段是多点加点阶段，将多点加点阶段分成三个子阶段，即搜索可行解阶段、寻找最优可行解阶段和提高最优解精度阶段，每个子阶段对应一个两目标优化子问题，通过多目标优化算法获取多个候选样本点，使用加点策略筛选出多个样本点；通过三个子阶段，完成了可行区域定位、可行区域探索、最优解附近搜索和可行边界搜索三个过程，并兼顾了目标和约束代理模型的精度，从而以较高的效率找出精度较高的可行最优解，本方法适合于复杂的优化问题，并具有高的优化效率和精度。

主权项：1.一种基于克里金代理模型的分阶段高效约束优化方法，其特征在于，所述方法包括：获取待优化对象原始模型的耗时函数信息，根据所述耗时函数信息进行高效约束优化的参数设置，以及初始采样，根据初始采样的样本点集、对应的响应集和对应的约束集构成的样本库建立目标函数和约束的克里金代理模型；所述原始模型为对所述待优化对象建模所得到的模型；所述耗时函数为对所述原始模型进行仿真优化对应的时间函数；判断所述样本库中是否存在满足约束的可行解，当不存在满足约束的可行解时，根据约束的克里金代理模型、可行概率函数、约束的最大违约度以及约束方差构建用于寻找可行解的两目标子问题；当存在满足约束的可行解时，判断所述克里金代理模型的精度是否满足预定要求，当精度不满足预定要求时，根据所述目标函数和约束的克里金代理模型、期望提高函数、可行概率函数、约束的最大违约度以及约束的期望违约度第二项构建用于寻找最优可行解的两目标子问题；当精度满足预定要求时，根据所述目标函数和约束的克里金代理模型、可行概率函数、约束的最大违约度以及约束方差构建用于提高最优可行解的两目标子问题；通过多目标优化算法对所述两目标子问题进行求解，得到Pareto解集；判断优化过程是否满足设置的收敛准则，当不满足所述收敛准则时，根据参数设置中包含的加点个数信息和所述Pareto解集对应的两目标子问题，在所述Pareto解集中选取与加点个数相同的最优点作为新样本；对所述新样本进行数值仿真，得到新样本响应值和新样本约束值，将所述新样本和对应的响应值和约束值加入所述样本库，根据更新后的所述样本库更新所述克里金代理模型，直到优化过程满足所述收敛准则，完成代理模型优化。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于克里金代理模型的分阶段高效约束优化方法和装置