一种基于混合增点与区间缩减的代理模型全局优化方法

摘要

本发明涉及一种基于混合增点与区间缩减的代理模型全局优化方法，该算法包含三个基本的代理模型增点准则以平衡全局和局部搜索。首先利用全局优化算法寻找当前代理模型的全局最优点。其次，采用均匀性增点准则在样本稀疏的地方进行加密，随着样本点的增加，理论上当样本点达到一定数量，样本点密度足够，总会有点落入包含全局最优点的区域。最后，在可能包含全局最优解的区域构建局部代理模型，并采用局部搜索能力较强的梯度优化算法寻优。基于以上三个准则，增加的样本点位于尚未被充分搜索并且包含潜在最优点的区域。当潜在的最优点被锁定，局部搜索准则就能够迅速在其周围找到局部最优点。具有良好的全局搜索能力和搜索效率。