组合加点准则的代理辅助多目标粒子群优化

摘要

针对小样本数据构建代理模型初期优化效率低、模型精度差的问题,文中提出组合加点准则的代理辅助多目标粒子群优化算法。该算法通过加权平均法将Kriging模型和径向基函数网络模型组合成异构集成模型,使用改善期望准则和最小化代理模型预测准则相结合的组合加点准则对代理模型进行管理,加快了模型收敛速度。此外,该算法采用实际目标函数对每次迭代中增加的样本点进行评估,并对代理模型进行更新以增加模型准确性。实验结果表明,在适应度函数评估次数上,所提算法与非代理模型算法相比减少了10倍,证明该算法可提高代理模型的优化效率及准确性,并在勘探与开发之间取得了更好的平衡。