系统工程与电子技术
繫統工程與電子技術
계통공정여전자기술
SYSTEMS ENGINEERING AND ELECTRONICS
2013年
6期
1342-1347
,共6页
优化算法%粒子群优化%高斯过程%函数优化
優化算法%粒子群優化%高斯過程%函數優化
우화산법%입자군우화%고사과정%함수우화
optimization algorithm%particle swarm optimization (PSO)%Gaussian process (GP)%function optimization
对于适应度函数计算耗时较大的工程优化问题,采用仿生智能优化算法求解时常遇到由于适应度函数评价次数过大而导致计算量过高的瓶颈问题.针对上述问题,提出一种基于粒子群优化(particle swarm optimization,PSO)算法与高斯过程(Gaussian process,GP)机器学习方法的协同优化算法(PSO-GP).该算法在寻优过程中采用GP近似模型来构建决策变量与适应度函数值之间的映射关系,在PSO全局寻优过程中不断地总结寻优历史经验的基础上,预测可能包含全局最优解的搜索区域,以优化粒子群飞行的方向.多个测试函数的优化结果表明,该算法是可行的,与基本PSO算法相比,在获得全局最优解的前提下,可显著减小寻优过程中的适应度函数评价次数,寻优效率较高,在高计算代价复杂工程优化问题的求解上具有良好的应用前景.
對于適應度函數計算耗時較大的工程優化問題,採用倣生智能優化算法求解時常遇到由于適應度函數評價次數過大而導緻計算量過高的瓶頸問題.針對上述問題,提齣一種基于粒子群優化(particle swarm optimization,PSO)算法與高斯過程(Gaussian process,GP)機器學習方法的協同優化算法(PSO-GP).該算法在尋優過程中採用GP近似模型來構建決策變量與適應度函數值之間的映射關繫,在PSO全跼尋優過程中不斷地總結尋優歷史經驗的基礎上,預測可能包含全跼最優解的搜索區域,以優化粒子群飛行的方嚮.多箇測試函數的優化結果錶明,該算法是可行的,與基本PSO算法相比,在穫得全跼最優解的前提下,可顯著減小尋優過程中的適應度函數評價次數,尋優效率較高,在高計算代價複雜工程優化問題的求解上具有良好的應用前景.
대우괄응도함수계산모시교대적공정우화문제,채용방생지능우화산법구해시상우도유우괄응도함수평개차수과대이도치계산량과고적병경문제.침대상술문제,제출일충기우입자군우화(particle swarm optimization,PSO)산법여고사과정(Gaussian process,GP)궤기학습방법적협동우화산법(PSO-GP).해산법재심우과정중채용GP근사모형래구건결책변량여괄응도함수치지간적영사관계,재PSO전국심우과정중불단지총결심우역사경험적기출상,예측가능포함전국최우해적수색구역,이우화입자군비행적방향.다개측시함수적우화결과표명,해산법시가행적,여기본PSO산법상비,재획득전국최우해적전제하,가현저감소심우과정중적괄응도함수평개차수,심우효솔교고,재고계산대개복잡공정우화문제적구해상구유량호적응용전경.
