基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于Kriging代理模型的自适应序贯优化算法.首先分析了代理模型使用不当引发的局部收敛问题,然后采用小生境微种群遗传算法求解EI函数来得到校正点,用以更新Kriging模型.这种选择校正点的方法使得优化过程避免陷入局部极值点.通过对4个典型函数优化实例进行实验,并与其他算法的结果作比较,其结果表明,新算法在解的精度、收敛性和收敛速度上表现出很好的性能,并且对所优化的问题没有特殊的要求,具有很强的工程实用价值.
推荐文章
基于自适应代理模型的气动优化方法
气动优化
代理模型
自适应选样
Kriging 自适应代理模型
支持向量回归自适应代理模型
基于Kriging代理模型的稳健优化设计
Kriging
注塑成型
翘曲
稳健优化设计
加点准则
基于序贯层次Kriging模型的微型飞行器机身结构设计优化
仿真模型
层次Kriging模型
结构设计优化
设计效率
基于Kriging代理模型的气辅注射成型工艺优化
GAIM
优化
Kriging代理模型
APSO算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Kriging代理模型的自适应序贯优化方法
来源期刊 计算机工程与应用 学科 工学
关键词 序贯优化算法 Kriging模型 全局优化 小生境微种群遗传算法
年,卷(期) 2009,(26) 所属期刊栏目 工程与应用
研究方向 页码范围 193-195,203
页数 4页 分类号 TP18
字数 5089字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.26.058
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杜朝辉 上海交通大学机械与动力工程学院 204 2089 25.0 35.0
2 竺晓程 上海交通大学机械与动力工程学院 101 616 15.0 19.0
3 王红涛 上海交通大学机械与动力工程学院 11 153 8.0 11.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (17)
同被引文献  (10)
二级引证文献  (39)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(2)
  • 引证文献(2)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(8)
  • 引证文献(2)
  • 二级引证文献(6)
2014(8)
  • 引证文献(4)
  • 二级引证文献(4)
2015(11)
  • 引证文献(3)
  • 二级引证文献(8)
2016(11)
  • 引证文献(3)
  • 二级引证文献(8)
2017(6)
  • 引证文献(0)
  • 二级引证文献(6)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(5)
  • 引证文献(1)
  • 二级引证文献(4)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
序贯优化算法
Kriging模型
全局优化
小生境微种群遗传算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导