資源描述：
《基于梯度法的kriging優(yōu)化方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、學(xué)校代碼10701學(xué)號(hào)1207122415分類TN82號(hào)O221密級(jí)公開(kāi)西安電子科技大學(xué)碩士學(xué)位論文基于梯度法的Kriging優(yōu)化方法研究作者姓名：李永一級(jí)學(xué)科：數(shù)學(xué)二級(jí)學(xué)科：應(yīng)用數(shù)學(xué)學(xué)位類別：理學(xué)碩士指導(dǎo)教師姓名、職稱：劉紅衛(wèi)教授提交日期：2014年12月ResearchonKrigingOptimizationAlgorithmBasedontheGradientMethodAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinMathema
2、ticsByLiYongSupervisor:Prof.LiuHongweiDecember2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大
3、學(xué)關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬于西安電子科技大學(xué)。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，獲得學(xué)位后結(jié)合學(xué)位論文研究成果撰寫(xiě)的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書(shū)。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要基于響應(yīng)面的全局優(yōu)化算法，通過(guò)響應(yīng)面近似源函數(shù)的方式來(lái)降低對(duì)源函數(shù)的估值次數(shù)，降低了計(jì)算消耗。以高效全局優(yōu)化(EfficientGlobalO
4、ptimization,EGO)算法為代表的基于Kriging模型的全局優(yōu)化方法以其計(jì)算速度快、模型精度高等特點(diǎn)被廣泛研究和應(yīng)用。對(duì)EGO算法的改進(jìn)具有理論研究?jī)r(jià)值和實(shí)踐意義?；诖耍疚乃鲋饕ぷ魅缦拢菏紫汝U述了Kriging響應(yīng)面模型及基于其的全局優(yōu)化算法的研究歷程，對(duì)其中算法的特點(diǎn)給出說(shuō)明。以拉丁超立方(LatinHypercubeSampling,LHS)采樣為重點(diǎn)對(duì)響應(yīng)面構(gòu)造中常用的計(jì)算機(jī)實(shí)驗(yàn)設(shè)計(jì)(DesignOfExperiment,DOE)方法一一介紹，分析其優(yōu)缺點(diǎn)，對(duì)部分方法給出采樣圖。結(jié)合Kriging模型的特點(diǎn)，對(duì)Kriging模型的構(gòu)建過(guò)程給出詳細(xì)說(shuō)明
5、。針對(duì)傳統(tǒng)參數(shù)優(yōu)化采用模式搜索方法求解而造成精度不高的問(wèn)題，提出基于梯度算法的空間相關(guān)函數(shù)優(yōu)化算法。該算法的核心為計(jì)算目標(biāo)函數(shù)關(guān)于?的梯度，在關(guān)于?梯度的解析解較為復(fù)雜的情況下，在單步求解中保持?不變來(lái)簡(jiǎn)化求解過(guò)程，這樣為了降低計(jì)算成本。數(shù)值實(shí)驗(yàn)表明這種算法能夠得到更為精確的結(jié)果。闡明了基于Kriging模型的全局優(yōu)化算法——EGO算法的實(shí)現(xiàn)過(guò)程，對(duì)EGO算法的核心，即其樣本填充準(zhǔn)則EI函數(shù)，首次采用投影梯度法，結(jié)合空間相關(guān)函數(shù)的參數(shù)優(yōu)化，提出基于投影梯度法的EGO算法。大量實(shí)驗(yàn)測(cè)試表明，該算法在模型穩(wěn)定性、預(yù)測(cè)結(jié)果穩(wěn)定性等方面較傳統(tǒng)EGO方法有較大提升。關(guān)鍵詞：Krigin
6、g模型，高效全局優(yōu)化，參數(shù)優(yōu)化，改善期望，投影梯度法論文類型：應(yīng)用基礎(chǔ)研究類I西安電子科技大學(xué)碩士學(xué)位論文IIABSTRACTABSTRACTGlobaloptimizationalgorithmwhichisbasedonresponsesurfacecanreducetheestimateddegreeofsourcefunctionbythewayofapproximatingsourcefunction.Hence,itlowerstheconsumptionofcomputation.Withthecharacteristicofthefastcomputation
7、speedandhighprecision,GlobalOptimizedmethodbasedonKrigingmodelhasbeenwidelyresearchedandapplied.InwhichtherepresentativealgorithmistheEfficientGlobalOptimizationalgorithm,i.e.theEGOalgorithm.ThemodificationofEGOalgorithmismeaningfullyfortheoryresearchand
