一种带有隐藏约束昂贵黑箱优化问题的改进响应面方法

【目的】提出一种求解带有隐藏约束的昂贵黑箱优化问题的新响应面方法。【方法】对SHEBO算法进行了改进,取消了MADS强化搜索这一步骤,节约了昂贵黑箱目标函数的估值次数,并改善了响应面模型的更新策略,从而提高了算法效率。【结果】得到了新的带有隐藏约束昂贵黑箱优化问题的响应面方法。【结论】通过50个标准的测试问题对新算法的数值表现进行了评估,结果表明新算法优于原有的SHEBO方法。     

一种基于跳出局部最优机制的自适应响应面方法

【目的】针对昂贵黑箱函数优化问题提出一种能够更好平衡局部搜索和全局搜索的响应面方法。【方法】对径向基函数响应面约束优化算法进行了改进,首先增加了判断陷入局部最优的机制,然后引入填充函数方法辅助选择新采样点,进而利用新采样点跳出局部最优。【结果】在37个公开的全局优化算法测试问题上的数值实验表明,本文提出的基于填充函数跳出局部最优机制的自适应响应面算法能够收敛到更好的近似全局最优解。【结论】基于填充函数方法的局部最优解跳出机制能够提升算法的全局搜索能力。     

黑箱函数优化问题中的响应面优化方法

在实际科研领域和工程应用中经常会遇到一类问题,就是高价黑箱函数问题,针对高价黑箱函数的全局最优化问题,开展了径向基函数和响应面相结合的研究;针对径向基函数中响应面模型及目标值f*n的选取进行了理论分析;提出了一种新的选取策略,不同的选取策略必然会导致不同的搜索模式,从而影响优化效果。     

增强型径向基函数的分块响应面近似处理方法

采用多项式响应面法、分块响应面法和增强型径向基函数的分块响应面法对3个测试函数进行近似处理,比较它们的均方根误差和相对误差值.结果表明:在样本数量较少时,并未明显地体现出增强型径向基函数的分块响应面法的优势,但是其近似精度不低于前两种方法;当样本点数量比较大时,增强型径向基函数的分块响应面方法的近似精度明显高于分块响应面法和多项式响应面法.     

基于є-支配的昂贵超多目标黑箱问题代理优化算法

【目的】本文研究昂贵超多目标黑箱优化问题的算法。【方法】基于SOCEMO算法,将?-支配用于目标值采样策略,提出?-SOCEMO算法。【结果】在42个超多目标测试问题上对算法?-SOCEMO和SOCEMO进行了数值实验,结果显示?-SOCEMO在算法性能评价指标上具有较好的表现。【结论】数值实验表明这种改进的目标值采样策略可以提升SOCEMO算法在昂贵超多目标黑箱优化问题上的计算效果。     

基于ε-支配的昂贵超多目标黑箱问题代理优化算法

针对求解昂贵超多目标黑箱优化问题的算法进行研究。基于SOCEMO算法，将ε-支配用于目标值采样策略，提出ε-SOCEMO算法。在42个超多目标测试问题上对ε-SOCEMO算法和SOCEMO算法进行了数值实验，结果显示ε-SOCEMO算法在性能评价指标上具有较好的表现。数值实验表明这种改进的目标值采样策略可以提升SOCEMO算法在昂贵超多目标黑箱优化问题上的计算效果。     

基于径向基函数的DIRECT全局优化方法

针对DIRECT全局优化方法估值次数多、收敛速度慢的缺点,提出一种基于径向基函数元模型的改进DIRECT算法.通过分析DIRECT算法的采样点信息,从中识别包含局部最优或全局最优点的最优区域.收集最优区域中的采样点构造径向基函数元模型,并在该元模型上搜索全局最优点,从而提高了DIRECT算法的收敛速度.最后,将该方法应用于数值计算以及压力容器的优化设计,结果证明了该方法的实用性与工程有效性.     

径向基函数神经网络结构的混合优化策略

为了解决一类径向基函数神经网络的结构优化问题,提出了一种有效的混合优化策略。将结构优化问题转化为一类组合优化问题。利用结合遗传算法群体并行搜索能力和模拟退火概率突跳特性来改善优化效率并避免局部极小的混合策略。借助于有效的编码方式在结构解空间中优选网络结构。利用梯度下降计算隐层到输出层的连接权。增添和删除操作用于增加结构搜索的灵活性。为保证所得网络具有较好的推广能力,利用训练误差和检验误差的综合指标作为算法择取优良网络的依据。仿真研究表明,所提混合策略是快速有效的,且能保证网络具有较好的推广性和抗噪声能力。     

基于径向基函数的动态优化问题联立求解方法

提出了一种新的求解动态优化问题的联立方法.该方法不同于常用的配置法,而是采用径向基函数插值方法对动态优化问题进行全离散,得到近似的大规模非线性规划问题.离散方法使用逆Multi Quadric函数做为基函数,并采用了间接求解微分方程的策略.最后,运用所提出的方法对2个经典算例进行优化,结果显示效果良好.     

基于免疫进化算法的径向基函数网络

基于免疫进化算法，提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法．该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子，缩小了标准进化算法搜索空间的范围，提高了算法的收敛速度．计算机仿真表明，采用这种算法训练的RBF网络达到了较好的性能．     

基于改进免疫算法的两级径向基函数网络学习方法

结合改进的免疫算法和最小二乘法，提出了一种设计径向基函数(RBF)网络的两级学习方法。该方法利用免疫算法确定RBF网络隐层的非线性参数，能够有效克服进化算法的未成熟收敛现象。改进的免疫算法针对RBF网络的特点，采用基于矢量距离的亲和度计算方法，克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷。将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性。     

一种基于径向基函数的高阶累积量算法

使用高阶累积量算法进行了盲自适应波束形成,计算了利用神经网络逼近波束形成的权矢量,通过Matlab仿真验证了该算法的有效性。     

基于径向基函数神经网络车辆跟驰模型

针对由于驾驶行为的不确定性,难以建立精确的车辆跟驰模型的问题,应用径向基函数神经网络建立了跟驰模型,改进了基于最近邻聚类的网络学习算法,并利用跟驰数据对模型进行了验证.结果表明,该网络模型与多层前馈网络模型相比,结构简单,训练时间短,精度高,适宜在线进行实时预测.     

基于径向基函数的城市日用水量预测方法

结合城市日用水量影响因素的特点和变化规律，分析探讨了城市日用水量预测模型的求解方法．建立日用水量和其相关因素之间的预测模型，分别采用径向基函数（RBF）网络算法与支持向量机（SVM）回归法求解该预测模型．RBF网络具有结构自适应确定，输出不依赖初始权值的优良特性；SVM回归法采用结构风险最小化准则（SRM），以统计学习理论作为理论基础，运算速度快，泛化能力强，预测精度高．通过分析验证的结果，证明了该日用水量预测模型的可行性，采用RBF和SVM两种求解方法均能得到满意的结果．     

基于磨光罚函数的求解非线性不等式约束优化问题的SQP方法

在求解不等式约束优化问题的SQP方法中,提出了其价值函数用磨光函数来近似的方法,并证明了算法的全局收敛性．     

飞机多学科设计优化中改进的径向基神经网络法

用径向基神经网络方法构造近似模型常常难以满足精度要求,提出了一种把二次响应面与径向基神经网络相结合的算法。该方法在样本点相同的情况下减小了近似模型的推广误差,提高了近似精度,增加了适应性。通过2个算例表明该算法提高了近似模型的精度,可在多学科设计优化中提高设计效率和质量。     

采用人群搜索算法的径向基函数神经网络参数整定方法

针对径向基函数(RBF)神经网络的逼近结构中,对权值、基宽和中心向量的初始值等参数的选取不当,导致系统的鲁棒性变差、收敛精度降低,甚至不再收敛的问题,提出一种基于人群搜索算法的RBF神经网络的参数整定方法.以基于遗传算法和基于粒子群算法的RBF神经网络参数整定方法为对比条件,采用MATLAB软件进行实验与分析.结果表明:应用人群搜索算法去优化RBF神经网络的初始参数,能有效地提升RBF神经网络的逼近精度,验证了该算法的可行性.