基于SiPESC平臺的Kriging代理模型開發(fā)和應用.pdf

1、工程結構優(yōu)化問題常受限于優(yōu)化模型非線性程度高、數值仿真過程占用大量系統(tǒng)資源，優(yōu)化求解耗時多等因素影響，有限資源和時間內難以得到有效的優(yōu)化結果?！霸囼炘O計+代理模型”技術能有效減少計算成本輔助完成優(yōu)化設計。其中，最優(yōu)拉丁方試驗設計能有效適應不同設計變量和樣本數量的搭配，Kriging是代理模型中最有效的方法之一。具有最優(yōu)拉丁方和Kriging相關功能的軟件功能模塊是輔助優(yōu)化設計的必要工具。本文基于SiPESC平臺通用試驗設計和代理模型框架

2、，使用C++面向對象語言和“抽象工廠”設計模式完成了最優(yōu)拉丁方試驗設計和Kriging代理模型的軟件開發(fā)，并應用于工程結構優(yōu)化問題。
　　針對最優(yōu)拉丁方試驗設計，本文選用被廣泛采用的判優(yōu)準則，實現(xiàn)了極小極大距離準則、列正交準則和多目標加權準則。在試驗設計矩陣的優(yōu)化過程中實現(xiàn)并應用了基于元素交換的進化算法。通過JavaScript和Python腳本測試，本文驗證了所用算法的尋優(yōu)能力和所得試驗矩陣的準確性，并對比驗證了各判優(yōu)準則的特點

3、。
　　針對 Kriging代理模型，本文采用常數形式回歸項構建代理模型，調用 SiPESC平臺遺傳算法優(yōu)化Kriging相關系數，應用MathML語言構建Kriging響應函數顯示表達式，以便不同程序語言解析方便應用到 JavaScript、Python和 Matlab等環(huán)境中。對比DACE工具箱驗證了本文所實現(xiàn)算法功能的準確性。應用二維經典算例對比了兩種加點算法的特點。通過三維算例探討了樣本點的選取對代理模型精度的影響。