基于自适应多可信度多项式混沌-Kriging模型的高效气动优化方法

摘要

多可信度代理模型已经成为提高基于代理模型的优化算法效率和可信度水平最有效的手段之一.然而目前流行的co-Kriging和分层Kriging(HK)等多可信度代理模型泛化能力不足,缺乏对高阶/高非线性建模问题的适应性,难以广泛应用.文章基于发展的自适应多可信度多项式混沌-Kriging(MF-PCK)代理模型,在提高建模效率和对高阶/高非线性问题近似准确率的同时,建立了基于该自适应MF-PCK模型的高效全局气动优化方法.在发展的方法中,提出了基于MF-PCK模型的新型变可信度期望改进加点方法,使代理优化算法效率进一步提高.为了验证发展方法的全面表现,将其应用在经典的数值函数算例以及多个跨音速气动外形的确定性优化和稳健优化设计中,并与基于Kriging和HK模型的代理优化算法进行了全面比较.结果表明,发展的新型多可信度全局气动优化方法其优化效率相对于基于Kriging和HK模型的优化效率显著提高,结果更好也更加可靠,并且稳健优化设计效率和结果也更符合工程应用需求,证明了其相对于基于Kriging和HK模型的代理优化算法的显著优势.