一、序贯数论优化方法的改进及其在全局优化中的应用(英文)(论文文献综述)
凌建洋[1](2021)在《化工流程分析与优化系统的开发及应用》文中研究说明化工分析与优化作为一种过程优化方法,是要在化工系统的特定约束要求下,分析设备参数以及工艺变量与经济效益与环保等之间的关系,找出使化工系统的优化目标达到最优的设备参数和工艺变量。现在化工分析与优化方法已经成功应用在整个化工生产的全过程中,包括化工设计、过程综合、生产调度等领域,带来了巨大的经济效益,成为近年来化工领域以及过程系统过程领域的研究热点。化工过程与最优化方法的结合,增加了最优化模型的规模,对优化计算提出了巨大的挑战,但是在客观上促进了数值计算方法的发展,同时数值计算的发展也化工分析与优化计算有促进作用。通过对化工流程进行模拟、流程分析以及优化计算,可以较为准确的得到化工系统最优结果与设备参数和工艺变量之间的关系,对化工过程设计以及过程控制等都有较为重要的指导作用。本文依靠Visual Studio 2010开发环境,采用C++语言,开发出支持CAPE-OPEN接口标准的流程分析与优化系统,用于化工过程的分析以及优化计算。首先,通过对化工优化方法进行系统研究,明确流程分析与优化系统的功能,主要包括灵敏度分析、设计规定和过程优化三个功能。基于以上三种功能的计算原理和计算过程,建立了三种功能对应的数学模型。其次,通过研究和总结最优化算法,选择拟牛顿法作为设计规定的求解算法,选择序列二次规划法(SQP法)作为过程优化的求解算法,并且针对传统SQP法存在的计算速度慢、子问题不相容等问题,提出以转轴算法生成积极约束集,以积极约束集求解子问题以及构建高阶校正方向的方式对序列二次规划法做出改进,解决子问题不相容的问题,并且提高过程优化的计算速度。然后,根据整理的数学模型和求解算法,编程实现灵敏度分析、设计规定和过程优化功能的开发,并对其有效性进行检验,将编译生成的dll文件加载到支持CAPE-OPEN标准的化工模拟软件中,成功实现了流程优化系统的调用和运行。最后,以绝热闪蒸、气分以及常减压流程的过程优化计算为例,对所开发的流程优化系统中的三种功能进行验证,并且分别实现传统的SQP法、基于信赖域的SQP法以及新改进的SQP法以验证算法改进效果,结果表明:三种功能的计算结果与文献值基本较为接近,偏差在2%以内,计算结果准确可靠,可用于化工过程的优化计算,并且改进的SQP法比前两种方法迭代次数少6.5%左右,计算时间少4.8%左右,算法的改进效果显着,能够满足过程优化计算需要。遵循CAPE-OPEN标准开发的流程分析与优化系统,能准确的对化工流程进行分析以及过程优化计算,具有重要的实际应用价值。此外,开发的流程分析与优化系统组件结构工整,兼容性强,相互独立,便于以后的维护和完善。
徐勤伟[2](2021)在《批量序贯计算机试验设计》文中进行了进一步梳理随着科学技术的发展,对于复杂的物理过程的研究,计算机模拟试验的使用变得越来越受欢迎。计算机试验是通过代码化的数学模型来描述物理现象。但是很多物理现象极其复杂,导致其对应的数学模型也不易进行模拟试验,因此必须在有限的试验资源下尽可能多的得到有价值的试验结果。序贯自适应试验设计就是一种能够不断为计算机试验带来新的有用的试验信息的方法,该方法能不断根据前期的试验信息建立代理模型,并依据建立的代理模型和相应的填充准则自我调整试验点,以获得更有效的试验信息。相较于一次性将所有试验点事先确定的固定点试验设计方法,序贯自适应设计方法更为灵活,且获取信息的效率更高。但是序贯自适应试验设计通常是单点更新机制,也即每次迭代过程中只更新一个试验点,就重新拟合模型,极大地浪费试验资源的同时,无法进行高效的并行计算,极大的浪费了计算资源,提高了试验的计算成本。为了改进计算机试验的运行效率,与当今时代并行化技术相适应,批量序贯更新试验点就变得十分重要。基于此,本文搭建了一个基于平移化拟蒙特卡罗点集技术的批量序贯自适应试验设计框架。该方法能够适用于绝大多数的传统单点填充准则,且能够提升计算机试验的运行效率。另外,基于该方法得到的试验点能有效的避免试验点聚集现象,改善试验点的空间填充性,并保证曲面的拟合性能。本文通过数值模拟试验,比较了单点和批量序贯试验设计,在不同填充准则情形下的曲面拟合能力,验证了批量序贯更新方法的性能。同时本文还提出了一种基于贝叶斯高斯过程模型的批量序贯最大熵设计。该设计是利用灵活性较强贝叶斯高斯过程模型,结合多点最大熵准则,构建的批量序贯试验设计。数值模拟试验表明,该方法在更新试验点的空间填充性、曲面拟合能力等方面优于基于平移化点集技术的批量序贯最大熵设计。
肖遥[3](2020)在《序贯自适应全局优化抽样算法》文中研究表明对于计算成本高昂的黑箱子优化问题,高效全局优化(efficient global optimiza-tion,简称EGO)算法是一个广为流行的序贯试验设计方法.该算法通过每次迭代建立代理模型,最大化提高的期望(expected improvement,简称EI)准则来序贯更新试验点.在试验设计领域,序贯数论方法(sequential number-theoretic method for optimization,简称SNTO),或者称为序贯均匀设计,是一种基于区域压缩思想的全局最优值搜索策略.该算法通过在试验区域内散布一系列的低偏差数论网格或者均匀设计点集,来迭代寻找全局最优值.EGO算法存在一个普遍承认的缺点,即其每次迭代时只更新一个试验点,造成建模资源的浪费.因此学者们提出了一类被称为并行化EGO的算法,该类算法在每次迭代时同时更新多个试验点.然而,如何同时快速获得这些新增试验点成为了另一个棘手的问题.基于此,本文提出了一种不仅能够实现EGO的并行化,还能够减轻同时得到多个更新试验点的计算负担的算法.该算法通过利用随机化拟重要性采样的方法来快速寻找多个具有较大EI值的试验点,故称之为“加速的EGO”(Accelerated EGO)算法.对于SNTO算法,最明显的不足之处在于搜索过程中没有建立代理模型,试验点的信息没有被深度地挖掘;并且在子试验区域内已经存在的试验点被完全丢弃了.本文结合SNTO和代理模型的思想,提出了一个新的全局优化算法—EI准则帮助下的SNTO(EI-assisted SNTO)算法.在该算法中,最大化提高的期望准则被用来确定压缩区域的中心;并且基于建立的代理模型,提出了一种利用重要性抽样原理的增补设计来更新每次迭代的试验点,使得该算法能够适用于计算成本高昂的黑箱子优化问题.所提算法的优化性能被几个经典的不同维数的全局优化检验函数验证了.模拟结果表明加速的EGO算法确实能够实现原始EGO算法的并行化,并且和经典的并行化EGO算法—Constant Liar相比较,加速的EGO算法优化能力较好,尤其在高维试验空间.同时,模拟结果还表明EI准则帮助下的SNTO算法比原始SNTO算法减少了很多试验点,并且和其他基于EI准则的算法相比,其在低维空间中优化能力较好.另外,本文将这些全局优化算法应用到机器学习超参数优化领域,通过支持向量机(SVM)模型的调参,比较了各个优化算法在该领域的优化能力.同时,通过XGBoost算法展现了超参数优化的具体流程.结果表明,加速的EGO算法和EI准则帮助下的SNTO算法适用于超参数优化,并均能在该领域取得较好的表现.
张爱军,杨泽斌[4](2020)在《自动化机器学习中的超参调优方法》文中研究指明本文介绍近年逐渐兴起的自动化机器学习框架,着重讨论其中颇具挑战的超参调优问题.常用的调参方法有格子点法、随机搜索等批量抽样策略,还包括Bayes优化、群体搜索算法和强化学习等序贯策略.由方开泰和王元早在1990年提出的贯序数论优化算法,利用序贯均匀设计对复杂响应曲面寻求全局最优值,同样适用于超参调优.本文以支持向量机和极限梯度推进机这两种常用的机器学习模型为例,结合两组典型的二分类数据集,对多种超参调优方法进行测试.通过比较分析发现一种改进的贯序数论优化算法,对解决自动化机器学习中的调参问题,颇具潜力.
张熠[5](2019)在《基于Kriging的飞行器多学科近似建模方法研究》文中进行了进一步梳理近年来,空天领域的竞争日益激烈,对飞行器的设计水平提出了更高的要求。飞行器设计涉及多类学科,包括空气动力学、结构力学和热力学等等。为了提升学科分析精度,需要使用高精度学科模型。如果直接将其嵌入飞行器多学科优化中,必将导致高昂的计算代价。为了降低其计算代价,通常采用近似建模方法。作为一种概率近似建模方法,Kriging近似模型具有较好的非线性近似能力和独特的误差估计功能,受到了广泛关注。因此,本文对基于Kriging的飞行器多学科近似建模方法展开研究。针对有限样本条件下近似建模精度较低的问题,重点对Kriging近似模型的趋势函数、随机过程和序贯采样函数进行了深入探讨,形成了一套较为系统的近似建模方法并应用于空天领域。本论文的主要研究工作归纳如下:(1)针对Kriging近似模型趋势函数面临的基函数选择和回归系数优化问题,提出了一种罚Kriging近似模型。基于正则化技术,该方法自适应地选择了基函数并优化了回归系数,从而构建了更好的趋势函数以提升预测精度。(2)针对Kriging近似模型趋势函数和随机过程面临的基函数选择、回归系数和相关参数优化问题,提出了一种罚盲似然Kriging近似模型。基于正则化技术,该方法自适应地选择了基函数并优化了回归系数和相关参数,从而构建了更好的趋势函数和随机过程以提升预测精度。(3)针对序贯Kriging近似建模方法面临的采样函数构造问题,提出了一种梯度和Hessian增强序贯建模方法。基于偏差—方差分解理论,该方法利用Kriging近似模型的梯度和Hessian估计模型偏差,从而更好地平衡了采样函数的全局探索和局部开发以提升预测精度。(4)为了提升对地观测小卫星的多学科近似建模精度,对比了多种Kriging近似模型的性能,实验结果表明,在大部分算例中,罚盲似然Kriging近似模型在所有测试方法中达到了最高的预测精度,验证了其在对地观测小卫星多学科近似建模方面的优势。(5)为了提升高超声速滑翔飞行器偏差传播模型近似建模的预测精度,对比了多种Kriging近似模型和序贯建模方法的性能。实验结果表明,在大部分算例中,罚盲似然Kriging近似模型比传统的Kriging近似模型更精确,并且梯度和Hessian增强序贯建模方法的预测精度超过了传统的序贯建模方法和单次近似建模方法,验证了本文提出的方法在高超声速滑翔飞行器偏差传播模型近似建模方面的有效性。本论文系统地研究了有限样本条件下Kriging近似模型的预测精度提升方法,为进一步支撑低计算成本的飞行器多学科优化提供了理论保证。
石灵健[6](2019)在《基于主动学习代理模型的结构可靠性分析方法研究》文中认为在实际工程问题中,各种结构参数及外界环境载荷等因素均具有不确定性,这些不确定性因素在结构的设计过程会对各种性能指标产生影响,因而采用传统的确定性设计标准分析时往往不能满足实际的要求。所以对结构可靠性计算方法与技术应用开展基础理论研究具有重要的科学价值和工程意义。传统的计算可靠性的方法如一次二阶矩法、二次二阶矩法等方法对于强非线性的结构系统计算误差较大。而蒙特卡洛模拟法则需要采样大量的随机样本点并进行响应计算,这在实际的工程应用中需要耗费大量的计算时间,从而对以上方法的应用带来了很大的局限性。许多学者基于代理模型提出通过主动学习函数的方法进行序贯采样,该方法可以大大提高建立代理模型的效率。然而现有有关可靠性计算的代理模型主动学习方法的研究较多集中于kriging模型,而对于其他类型的代理模型,如径向基插值(RBF)、人工神经网络(ANN)等,现有研究成果也较少。所以本课题以径向基插值代理模型为基础,研究可靠性计算与灵敏度分析的主动学习方法,并将其应用于工程实际问题中,论文的主要研究内容以及创新点如下。(1)基于RBF代理模型提出了单核函数和多核函数的主动学习方法计算结构的失效概率。对于单核函数采用交叉验证法获得预测样本点的局部不确定性度量法,而多核函数法则依据不同核函数间预测结果的差异构建相应的局部不确定性度量。同时考虑样本点与极限状态方程间的距离以及训练样本点本身之间的距离构造主动学习函数,实现样本点的自适应采样。并且本文提出采用最终若干次预测失效概率的均值与标准差间的关系来构建新的主动学习过程的收敛准则。(2)对于提出的RBF代理模型主动学习算法,结合部分经典算例,研究了训练样本点的初始采样方式和初始样本点数量对可靠性计算效率和精度的影响,包括拉丁超立方采样以及基于联合概率密度函数的采样。除此之外还研究了主动学习函数的参数对主动学习效率和精度的影响,主要包括代理模型不确定性参数α、训练样本点间的距离参数β、多核函数算法中核函数的数量、种类等,以及终止准则的阀值参数?。(3)对于小失效概率以及多模式失效的问题,提出采用基于双轮代理模型的主动学习方法,将代理模型的建立分为两个阶段:首先基于扩展的联合概率密度函数进行第一阶段的主动学习采用,建立相应的RBF代理模型,并结合层次聚类法得到各失效域对应的近似最可能失效点,避免采样传统方法求解多失效域内所有最可能失效点所面临的困难;之后则基于重要采样法以及近似最可能失效点,进行第二阶段的主动学习过程,建立更加精确的代理模型,所以称之为双轮代理模型主动学习方法。(4)提出了采用主动学习算法来求解基于方差的全局灵敏度分析指标,并且提出采用系数因子对各预测得到的灵敏度指标进行加权,构造出相应的终止准则。对于考虑分布参数不确定性的情况下,则利用主动学习策略以及双层代理模型进行可靠性参数全局灵敏度分析,提高了相应的求解效率。(5)基于数控转塔冲床以及砂光机的振动特性,针对本文所提出的可靠性和灵敏度计算方法进行了工程应用研究。利用ADAMS等软件实现了对数控转塔冲床、砂光机动力学模型以及结合面刚度等因素的参数化处理,联合MATLAB和Isight构建了能够准确预测数控转塔冲床振动响应的主动学习RBF代理模型,求解得到不同工况下数控转塔冲床振动的失效概率、全局灵敏度,并在考虑分布参数不确定性的前提下得到了数控转塔冲床和砂光机的参数全局灵敏度分析指标,为进一步给提高结构的性能,减小振动提供了指导方向。
江秀强[7](2019)在《火星进入不确定性量化与鲁棒最优制导方法研究》文中提出火星进入轨迹规划与制导是火星着陆任务的关键技术之一。而火星进入过程中初始状态不确定性和动力学参数不确定性已经成为制约当前火星进入制导精度进一步提升的瓶颈,火星进入不确定性量化与鲁棒最优制导问题亟待解决。为了降低火星进入飞行风险和提高制导精度,本文从不确定性量化、鲁棒轨迹优化、鲁棒最优制导三个方面入手,发展了一套较为完备的火星进入不确定性量化与制导规划理论方法和算法。首先,发展了两种火星进入不确定性量化方法。在侵入式多项式混沌框架下,提出了基于自适应广义多项式混沌的火星进入不确定性量化方法。通过随机空间分解,抑制了求解高维不确定性量化问题时等价确定性微分方程数量的剧烈增加;采用谱分解对随机空间基函数进行自适应更新,提高了强非线性动力学系统高维不确定性量化的解算精度。在非侵入式多项式混沌框架下,发展了基于敏感度配点非侵入式多项式混沌的火星进入不确定性量化方法。通过评估不确定性的敏感度,并结合拉丁超立方配点,实现了对具有不同分布类型的混合不确定性的更贴切的统计学描述,从而保证了混合不确定性量化的效率和精度。应用所提出的两种方法,通过仿真分析揭示了火星进入过程中初始状态不确定性和动力学参数不确定性及两者耦合不确定性量化与演化的基本规律。然后,发展了两种火星进入轨迹鲁棒优化方法。为了在不确定性条件下快速规划火星进入轨迹,发展了基于粒子群算法和高斯伪谱法的混合优化算法;通过全局与局部相结合的快速接力寻优,提高了生成火星进入最优轨迹的效率。为了获得对不确定性具有良好鲁棒性和可靠性的最优标称轨迹,提出了基于不确定性量化的火星进入轨迹鲁棒优化方法;通过将初始状态不确定性和动力学参数不确定性对动力学、性能指标和约束的影响纳入火星进入轨迹优化过程,从而使生成的轨迹兼顾了性能指标的最优性和鲁棒性并满足约束的可靠性。最后,发展了两种火星进入鲁棒最优制导方法。为了实现在不确定性条件下对鲁棒最优标称轨迹的准确跟踪,利用径向基神经网络逼近跟踪误差中的不确定性项,发展了基于二阶滑模和径向基神经网络的火星进入鲁棒跟踪制导算法。为了增强最优制导在不确定性条件下的鲁棒性,提出了基于强化学习和伪谱法的火星进入与着陆的协同最优制导方法;通过构建协同优化计算框架,利用在线求解最优切换来协调最优火星进入制导与最优动力下降制导,从而兼顾了制导算法在不确定性条件下的鲁棒性和最优性。
曾冠锋[8](2018)在《系杆拱桥吊杆力的全局优化与合理拱轴线探讨》文中进行了进一步梳理吊杆力和拱轴线是拱桥设计中的两大关键要素,其直接影响到结构整体受力以及工程造价,一直是桥梁工程师重点研究的课题。然而由于设计理论尚不完善,拱梁组合体系吊杆力求解较为繁琐,传统优化方法的缺陷导致难以得到最优解;而拱肋受力复杂,常用拱轴线与合理拱轴线往往有一定偏差。基于上述的问题,本文将多种填充采样准则和Kriging法相结合,编制改进的序贯抽样全局优化算法,将其应用在成桥吊杆索力的求解中;以及将悬索桥分段悬链线理论应用到拱轴线设计优化中,主要工作如下:(1)回顾了成桥吊杆力的优化方法,指出其在搜索方向、全局最优解、约束处理上存在的问题;统计不同类型拱桥的拱轴线分布,总结规律并指出不足。(2)介绍传统全局优化算法的求解流程,在此基础上,对Kriging法进行系统阐述,引入多种填充采样准则,提出两套自动搜索策略以实现全局和局部的平衡搜索,把约束并入到采样准则子问题中进行处理。同时对改进算法的模型拟合、终止准则等提出建议,用两个数值算例说明算法的可靠性。(3)取两座刚性拱刚性系梁的拱梁组合体系——东华大桥和濠江一桥作为工程算例,建立其ANSYS模型,取吊杆力作为变量、在改进算法中设置不同的目标函数和约束,用数论法抽样产生初始样本,利用MATLAB赋予变量迭代并提取结果,优化后其总应变能、弯矩分布等得到较大的改善。(4)阐述了悬索桥中分段悬链线线型的计算原理,提出将分段悬链线应用于拱轴线形中,给出具体的求解迭代步骤并编制MATLAB程序,并用一个简单算例与悬链线、二次样条曲线拱肋进行受力比较。(5)以东华大桥、濠江一桥和凤凰三桥作为工程背景,将求解出来的分段悬链线坐标代入midas Civil中进行计算,结果表明,恒载包络和恒载包络加1/2活载工况其拱肋弯曲应变能总和、弯矩极值等均有一定程度的改善。
马正阳[9](2017)在《交叉熵优化方法及其在卫星可靠性设计优化中的应用研究》文中认为高效的优化搜索方法对于提升卫星可靠性设计优化性能具有重要作用。卫星的可靠性设计优化是卫星总体设计的重要内容,对于缩短研制周期、减少设计冗余、提高整星力、热、电磁兼容等性能具有重要作用。基于可靠性的设计优化(Reliability Based Design optimization,RBDO)伴随着高昂的计算成本。针对上述挑战,本文深入研究了基于采样的交叉熵(Cross Entropy)优化搜索算法并将其应用于某对地观测小卫星可靠性设计优化问题中。本文的主要工作包括以下几个方面:1.针对传统交叉熵优化方法在收敛速度和计算效率方面的不足,研究了改进的交叉熵优化搜索算法。卫星可靠性设计优化中的优化问题具有高维度,多峰值,不连续或半连续,混合变量,高度非线性,同时目标函数或者约束表达式中的梯度信息难以提取等特点,传统交叉熵算法中样本分布参数更新机制智能性不足导致求解该复杂优化问题收敛缓慢,且蒙特卡洛采样需要的大样本数导致计算成本高。本文针对上述问题,提出了精英样本动态加权策略(Dynamic Weight strategy,DW)和自适应样本容量策略(Adaptive sample Size strategy,AS),加快了算法的收敛速度,并使算法对优化问题目标函数的调用次数大大减少,有效提高优化效率。算法的有效性通过无约束多峰标准测试算例和有约束卫星工程实际算例进行了验证。2.针对采用罚函数处理约束条件的交叉熵方法在计算效率方面的不足,研究了基于马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)采样的约束函数交叉熵优化算法。针对以往采用罚函数法处理多约束优化模型约束条件时,存在的交叉熵采样效率低、目标函数计算成本大等问题,构建了一种新的无需采用罚函数的交叉熵马尔科夫链蒙特卡洛(Cross Entropy-Markov Chain Monte Carlo,CE-MCMC)混合优化算法。新算法实现了仅在可行域内大概率沿约束边界采样,具有全局搜索能力强、采样效率高、计算代价小等特点,其有效性通过经典二维测试算例和卫星工程实际算例进行了验证。3.基于本文改进的交叉熵算法,开展了卫星可靠性设计优化应用研究。本文以序贯优化和可靠性分析(Sequential Optimization and Reliability Assessment,SORA)为框架,将传统求解工程问题的优化-可靠性分析双层嵌套问题分解为确定性优化和可靠性分析两个子问题。其中,确定性优化子问题采用本文研究的改进交叉熵算法作为优化器,大大提高优化效率。以某对地观测小卫星为研究对象,验证了算法的有效性,获得了满足可靠性约束条件下的最优解。综上,论文对卫星可靠性设计优化中涉及的优化方法开展了研究,提出了基于MCMC采样的约束函数交叉熵优化算法,具有较强全局寻优能力,且比传统交叉熵算法大大提高了优化效率,有效解决了复杂多约束卫星优化问题。在此基础上,进一步提出了基于序贯优化和可靠性分析的交叉熵可靠性设计优化方法,并将其应用于卫星总体多学科可靠性设计优化应用中,验证了算法可行性和有效性。该方法能够推广应用于其他领域复杂系统可靠性优化设计,具有重要的理论和现实意义。
吴宗谕[10](2014)在《亚轨道飞行器多学科设计优化技术研究》文中指出亚轨道飞行器作为当今先进飞行器的代表,具有巨大的军事和商业价值,其相关技术的发展受到各国高度重视。论文以亚轨道飞行器为研究对象,为提高其总体设计水平,系统研究了多学科设计优化相关技术的理论以及应用,初步建成了一套适用于亚轨道飞行器的多学科设计优化方法,并将其应用于亚轨道飞行器总体设计优化问题中。首先,研究了径向基近似建模方法。通过对影响径向基近似模型近似精度的重要因素深入分析,给出了一种基于灵敏度分析的设计空间分解方法,并在此基础上提出了基于空间分解的参数优化径向基近似建模方法。借鉴经济学中的Pareto定律,提出了基于Pareto定律参数优化的径向基近似模型构造方法。并且对上述两种径向基模型构造方法进行了算例测试。其次,研究了基于离散梯度方向的快速序贯优化算法。基于试验设计方法对优化算法初始样本点的选取进行了研究。提出离散梯度方向的概念,并将其运用到优化算法中。通过试验设计方法和离散梯度方向的结合,并借鉴禁忌搜索算法中禁忌表的思想,提出基于离散梯度方向的快速序贯优化方法。然后,建立了亚轨道飞行器各学科模型以及气动学科近似模型。针对亚轨道飞行器,分别建立了气动学科、弹道学科、控制学科和质量学科数学模型,并对气动学科进行了近似建模。最后,以亚轨道飞行器为研究对象,对亚轨道飞行器总体方案多学科设计优化进行了研究。建立了基于近似模型的亚轨道飞行器总体设计优化问题的数学模型和基于概率偏差的亚轨道飞行器总体设计优化问题的数学模型,以起飞质量最小为主要优化目标,对该问题进行了求解,得到了一套较优的亚轨道飞行器总体设计方案。论文对多学科设计优化技术中的近似模型和优化算法进行了系统研究,并将其应用于亚轨道飞行器的总体设计优化过程中。为亚轨道飞行器高精度近似建模技术以及复杂系统优化问题的快速求解技术的发展奠定了良好的基础,促进了多学科设计优化方法在亚轨道飞行器上的应用。针对亚轨道飞行器多学科优化总体设计方案的初步探索,对我国开展亚轨道飞行器的研究具有一定的参考价值。
二、序贯数论优化方法的改进及其在全局优化中的应用(英文)(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、序贯数论优化方法的改进及其在全局优化中的应用(英文)(论文提纲范文)
(1)化工流程分析与优化系统的开发及应用(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
前言 |
1 文献综述 |
1.1 化工分析与优化概述 |
1.1.1 化工分析与优化的重要性 |
1.1.2 流程模拟技术 |
1.1.3 化工优化简介 |
1.2 最优化方法 |
1.2.1 最优化方法概述 |
1.2.2 确定性优化算法 |
1.2.3 随机性搜索方法 |
1.3 化工优化的发展 |
1.3.1 化工最优化的基本策略 |
1.3.2 化工优化方法的研究进展 |
1.4 序列二次规划法的研究现状 |
1.4.1 SQP方法研究现状 |
1.4.2 二次规划研究现状 |
1.5 课题背景及研究内容 |
1.5.1 课题背景 |
1.5.2 研究内容 |
2 算法推导及相关改进 |
2.1 过程分析与优化计算的基本思想 |
2.2 设计规定算法 |
2.2.1 适于单一决策变量的算法 |
2.2.2 适于多决策变量的算法 |
2.3 过程优化算法 |
2.3.1 SQP算法转换 |
2.3.2 转轴运算构建积极约束集 |
2.3.3 L-BFGS方法 |
2.3.4 l1价值函数 |
2.3.5 SQP计算步骤 |
2.4 本章小结 |
3 流程分析与优化系统开发 |
3.1 优化系统总体框架 |
3.2 界面输入功能 |
3.2.1 界面输入功能开发 |
3.2.2 目标变量定义界面 |
3.2.3 决策变量定义界面 |
3.2.4 目标函数和约束函数定义界面 |
3.2.5 结果界面 |
3.3 自定义函数功能 |
3.4 优化系统与其他模块的结合 |
3.5 求解算法实现 |
3.5.1 目标函数及约束函数的计算 |
3.5.2 导数的计算 |
3.6 系统有效性检验 |
3.7 本章小结 |
4 流程分析与优化计算以及实例验证 |
4.1 验证方法及内容 |
4.2 闪蒸流程优化验证 |
4.2.1 工艺流程概述 |
4.2.2 模型建立 |
4.2.3 灵敏度分析计算 |
4.2.4 设计规定计算 |
4.2.5 过程优化计算 |
4.2.6 结果分析与讨论 |
4.3 气分流程优化验证 |
4.3.1 工艺流程概述 |
4.3.2 模型建立 |
4.3.3 灵敏度分析计算 |
4.3.4 设计规定计算 |
4.3.5 过程优化 |
4.3.6 结果分析与讨论 |
4.4 常减压流程优化测试 |
4.4.1 工艺流程概述 |
4.4.2 模型建立 |
4.4.3 设计规定计算 |
4.4.4 过程优化 |
4.4.5 结果分析与讨论 |
4.5 本章小结 |
结论 |
参考文献 |
致谢 |
攻读硕士期间发表的学术论文目录 |
(2)批量序贯计算机试验设计(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.3 本文研究内容与结构 |
第二章 理论基础 |
2.1 高斯过程模型 |
2.2 序贯自适应试验设计 |
2.2.1 序贯均方预测误差准则 |
2.2.2 序贯最大熵准则 |
2.2.3 序贯交叉验证预测误差准则 |
2.2.4 序贯期望提高全局拟合准则 |
第三章 基于平移化点集的批量序贯试验设计 |
3.1 平移化QMC点集技术 |
3.2 批量序贯自适应试验设计框架 |
3.3 一个解释性的例子 |
3.4 数值模拟 |
3.4.1 二维函数模拟 |
3.4.2 小孔流水实例模拟 |
第四章 贝叶斯GP模型下的批量序贯最大熵设计 |
4.1 贝叶斯GP模型 |
4.2 批量序贯最大熵设计 |
4.2.1 多点最大熵设计准则 |
4.2.2 基于贝叶斯GP模型的批量序贯最大熵设计 |
4.3 数值模拟 |
第五章 总结与展望 |
参考文献 |
致谢 |
(3)序贯自适应全局优化抽样算法(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1研究背景 |
1.2 研究现状 |
1.3 本文研究内容与结构 |
第二章 预备知识 |
2.1 Kriging模型 |
2.2 最大化提高的期望准则 |
2.3 EGO算法 |
2.4 SNTO算法 |
第三章 加速的EGO算法 |
3.1 随机化拟重要性采样过程 |
3.2 算法框架 |
3.3 一个解释性的例子 |
第四章 EI准则帮助下的SNTO算法 |
4.1 基于代理模型的增补设计 |
4.2 算法框架 |
4.3 一个解释性的例子 |
第五章 数值模拟 |
5.1 检验函数 |
5.2 Accelerated EGO与相关算法的比较 |
5.2.1 与原始算法(EGO)的比较 |
5.2.2 与Constant Liar算法的比较 |
5.3 EI-assisted SNTO与相关算法的比较 |
5.3.1 与原始算法(SNTO)的比较 |
5.3.2 与其他基于EI准则算法的比较 |
第六章 超参数优化中的应用 |
6.1 超参数优化基本流程 |
6.2 支持向量机模型中的调参 |
6.3 XGBoost算法中的应用 |
第七章 总结与展望 |
参考文献 |
致谢 |
(4)自动化机器学习中的超参调优方法(论文提纲范文)
1 引言 |
2 传统方法综述 |
2.1 批量抽样 |
2.2 Bayes优化 |
2.3 群体搜索算法 |
2.4 强化学习 |
3 均匀试验设计 |
3.1 均匀设计 |
3.2 序贯均匀设计 |
3.3 改进的序贯均匀设计 |
4 数值实验 |
4.1 实验设定 |
4.2 结果分析 |
5 总结与展望 |
(5)基于Kriging的飞行器多学科近似建模方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 近似建模方法 |
1.2.2 序贯建模方法 |
1.2.3 飞行器多学科近似建模应用研究 |
1.3 研究内容 |
第二章 基于趋势函数正则化的罚Kriging近似模型 |
2.1 相关方法回顾 |
2.1.1 Kriging近似模型 |
2.1.2 罚盲Kriging近似模型 |
2.2 罚Kriging近似模型 |
2.2.1 趋势函数正则化 |
2.2.2 嵌套优化算法 |
2.2.3 正则化参数选择 |
2.2.4 算法实现 |
2.3 数值实验 |
2.3.1 实验设置 |
2.3.2 趋势函数构造 |
2.3.3 正则化参数选择 |
2.3.4 结果与讨论 |
2.4 本章小结 |
第三章 基于趋势函数和随机过程正则化的罚盲似然Kriging近似模型 |
3.1 罚似然Kriging近似模型 |
3.2 罚盲似然Kriging近似模型 |
3.2.1 罚盲似然函数 |
3.2.2 嵌套优化算法 |
3.2.3 正则化参数选择 |
3.2.4 算法实现 |
3.3 数值实验 |
3.3.1 实验设置 |
3.3.2 模型参数优化 |
3.3.3 正则化参数选择 |
3.3.4 结果与讨论 |
3.4 本章小结 |
第四章 梯度和Hessian增强序贯建模方法 |
4.1 相关方法回顾 |
4.1.1 序贯建模方法 |
4.1.2 采样函数 |
4.2 梯度和Hessian增强序贯建模方法 |
4.2.1 偏差—方差分解理论 |
4.2.2 梯度和Hessian增强采样函数 |
4.2.3 算法实现 |
4.3 数值实验 |
4.3.1 实验设置 |
4.3.2 计算效率 |
4.3.3 结果与讨论 |
4.4 本章小结 |
第五章 对地观测小卫星多学科近似建模研究 |
5.1 小卫星多学科模型 |
5.1.1 轨道模型 |
5.1.2 有效载荷模型 |
5.1.3 电源模型 |
5.1.4 结构模型 |
5.1.5 推进模型 |
5.1.6 其余模型 |
5.2 多学科近似建模 |
5.3 数值实验 |
5.3.1 实验设置 |
5.3.2 结果与讨论 |
5.4 本章小结 |
第六章 高超声速滑翔飞行器偏差传播模型近似建模研究 |
6.1 俯冲段飞行器多学科模型 |
6.1.1 运动方程 |
6.1.2 机动策略 |
6.1.3 导引律 |
6.1.4 联合控制量 |
6.2 偏差传播模型近似建模 |
6.3 数值实验 |
6.3.1 实验设置 |
6.3.2 结果与讨论 |
6.4 本章小结 |
第七章 结论与展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(6)基于主动学习代理模型的结构可靠性分析方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题背景及意义 |
1.2 国内外研究现状 |
1.2.1 结构可靠性分析研究现状 |
1.2.2 结构可靠性分析中代理模型的应用 |
1.2.3 结构可靠性计算中代理模型的主动学习方法 |
1.2.4 可靠性灵敏度分析研究现状 |
1.3 本文的主要研究内容 |
第二章 基于径向基函数代理模型的主动学习方法 |
2.1 引言 |
2.2 RBF模型的基本理论 |
2.3 基于RBF代理模型的主动学习方法 |
2.3.1 基于多核函数的主动学习方法 |
2.3.2 基于交叉验证法的主动学习方法 |
2.3.3 主动学习算法的执行步骤 |
2.4 算例分析 |
2.4.1 多失效域问题 |
2.4.2 非线性极限状态函数问题 |
2.4.3 非线性振荡器的动态响应 |
2.4.4 高维线性问题 |
2.5 本章小结 |
第三章 基于主动学习函数可靠性分析的影响因素研究 |
3.1 引言 |
3.2 初始条件对可靠性计算结果的影响 |
3.2.1 初始采样方式对可靠性结果的影响 |
3.2.2 初始采样点数量对可靠性结果的影响 |
3.3 主动学习函数参数对可靠性计算结果的影响 |
3.3.1 代理模型不确定性参数对可靠性结果的影响 |
3.3.2 训练样本间距离参数对可靠性结果的影响 |
3.3.3 终止准则参数对可靠性结果的影响 |
3.4 多核函数对可靠性计算结果的影响 |
3.5 本章小结 |
第四章 小失效概率可靠性计算的主动学习方法 |
4.1 引言 |
4.2 重要抽样方法原理 |
4.3 小失效概率下的主动学习算法 |
4.3.1 双轮代理模型主动学习方法 |
4.3.2 多失效域的层次聚类算法 |
4.4 算例分析 |
4.4.1 二维两失效域问题 |
4.4.2 二维四失效域问题 |
4.4.3 非线性振动 |
4.4.4 十杆结构有限元模型 |
4.5 本章小结 |
第五章 基于代理模型主动学习方法的可靠性灵敏度分析 |
5.1 引言 |
5.2 主动学习代理模型求解基于方差的全局灵敏度指标 |
5.2.1 基于方差的全局灵敏度及其数值计算方法 |
5.2.2 求解全局灵敏度的主动学习方法 |
5.2.3 算例分析 |
5.3 基于双层代理模型的参数全局灵敏度分析 |
5.3.1 基于双层代理模型的参数全局灵敏度主动学习方法 |
5.3.2 算例分析 |
5.4 本章小结 |
第六章 可靠性与灵敏度分析在工程实际中的应用 |
6.1 引言 |
6.2 数控转塔冲床振动可靠性与灵敏度分析 |
6.2.1 数控转塔冲床刚柔耦合模型 |
6.2.2 数控转塔冲床振动特性分析 |
6.2.3 数控转塔冲床振动可靠性分析 |
6.2.4 数控转塔冲床振动可靠性灵敏度分析 |
6.3 砂光机振动全局灵敏度分析 |
6.3.1 砂光机动力学建模 |
6.3.2 砂光机振动特性分析 |
6.3.3 砂光机振动全局灵敏度分析 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 创新点总结 |
7.3 研究展望 |
致谢 |
参考文献 |
索引 |
作者攻读博士学位期间所发表论文 |
(7)火星进入不确定性量化与鲁棒最优制导方法研究(论文提纲范文)
摘要 |
abstract |
注释表 |
缩略词 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 不确定性量化研究进展 |
1.2.2 鲁棒优化研究进展 |
1.2.3 不确定性条件下火星进入制导研究进展 |
1.3 存在的主要问题及解决途径 |
1.4 本文的内容安排 |
第二章 基本模型和基本理论 |
2.1 引言 |
2.2 基本数学模型 |
2.2.1 坐标系 |
2.2.2 火星重力加速度模型 |
2.2.3 火星大气密度模型 |
2.2.4 火星进入器气动加速度模型 |
2.2.5 火星进入动力学方程 |
2.3 不确定性的基本理论 |
2.3.1 不确定性的定义与分类 |
2.3.2 不确定性建模的数学基础 |
2.3.3 不确定性量化的基本方法 |
2.4 鲁棒优化的基本理论 |
2.4.1 鲁棒优化的基本概念 |
2.4.2 鲁棒优化的基本方法 |
2.5 本章小结 |
第三章 火星进入不确定性量化方法研究 |
3.1 引言 |
3.2 火星进入不确定性量化问题描述 |
3.3 基于自适应广义多项式混沌的火星进入不确定性量化 |
3.3.1 广义多项式混沌 |
3.3.2 自适应谱分解 |
3.3.3 随机空间的自适应分解 |
3.3.4 在火星进入不确定性量化问题中的应用 |
3.4 基于敏感度配点非侵入式多项式混沌的火星进入不确定性量化 |
3.4.1 非侵入式多项式混沌 |
3.4.2 基于敏感度的配点 |
3.4.3 不确定性变量的求解 |
3.5 仿真分析 |
3.5.1 仿真设置 |
3.5.2 算例1:均匀不确定性 |
3.5.3 算例2:高斯不确定性 |
3.5.4 算例3:混合不确定性 |
3.5.5 分析与讨论 |
3.6 本章小结 |
第四章 火星进入轨迹鲁棒优化方法研究 |
4.1 引言 |
4.2 火星进入轨迹优化问题描述 |
4.2.1 火星进入动力学方程 |
4.2.2 火星进入段不确定性建模 |
4.2.3 约束条件 |
4.2.4 目标函数 |
4.2.5 优化问题描述 |
4.3 基于粒子群算法和高斯伪谱法的火星进入轨迹规划 |
4.3.1 混合优化策略 |
4.3.2 粒子群优化算法 |
4.3.3 高斯伪谱法 |
4.4 基于不确定性量化的火星进入轨迹鲁棒优化 |
4.4.1 鲁棒优化方法 |
4.4.2 动力学不确定性量化与传播 |
4.4.3 重新构建鲁棒轨迹优化问题 |
4.4.4 目标函数和约束条件不确定性量化 |
4.4.5 hp自适应伪谱法 |
4.4.6 鲁棒性和可靠性评估 |
4.5 仿真分析 |
4.5.1 仿真设置 |
4.5.2 算例1:末端高度最大化 |
4.5.3 算例2:末端偏差最小化 |
4.5.4 分析与讨论 |
4.6 本章小结 |
第五章 火星进入鲁棒最优制导方法研究 |
5.1 引言 |
5.2 基于二阶滑模和径向基神经网络的火星进入鲁棒跟踪制导 |
5.2.1 火星进入动力学方程 |
5.2.2 纵向制导律设计 |
5.2.3 侧向制导律 |
5.3 基于强化学习和伪谱法的火星进入与着陆协同最优制导 |
5.3.1 最优问题描述 |
5.3.2 协同最优制导设计 |
5.3.3 求解方法 |
5.4 仿真分析 |
5.4.1 基于二阶滑模和径向基神经网络的火星进入鲁棒跟踪制导仿真 |
5.4.2 基于强化学习和伪谱法的火星进入与着陆协同最优制导仿真 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文的主要贡献与创新点 |
6.2 有待进一步研究的问题 |
参考文献 |
致谢 |
在学期间的研究成果及发表的学术论文 |
(8)系杆拱桥吊杆力的全局优化与合理拱轴线探讨(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 引言 |
1.2 国内大跨径拱桥发展现状 |
1.2.1 钢拱桥 |
1.2.2 混凝土拱桥 |
1.2.3 钢管混凝土拱桥 |
1.3 拱轴线与吊杆力优化研究现状 |
1.3.1 优化设计在桥梁上的应用 |
1.3.2 拱桥吊杆力研究现状与不足 |
1.3.3 最优拱轴线求解算法 |
1.4 本文主要研究内容 |
第二章 改进的全局优化算法 |
2.1 全局优化算法概述及改进 |
2.1.1 传统索力优化方法的局限 |
2.1.2 传统全局算法介绍 |
2.1.3 改进的高效全局优化算法 |
2.2 基于Kriging法的有约束的高效全局优化方法 |
2.2.1 Kriging模型 |
2.2.2 初始样本的产生 |
2.2.3 填充采样准则 |
2.2.4 不连通的可行区域求解 |
2.2.5 自动采样策略 |
2.2.6 约束问题的处理 |
2.2.7 减少计算时间 |
2.2.8 其他细节 |
2.3 数值算例 |
2.4 本章小结 |
第三章 吊杆力的全局优化工程算例 |
3.1 改进的全局优化算法在拱桥吊杆力求解的应用 |
3.2 东华大桥优化计算 |
3.2.1 工程概况 |
3.2.2 有限元模型的建立 |
3.2.3 优化模型的建立 |
3.2.4 优化结果 |
3.3 濠江一桥优化计算 |
3.3.1 工程概况 |
3.3.2 有限元模型的建立 |
3.3.3 优化模型的建立 |
3.3.4 优化结果 |
3.4 本章小结 |
第四章 分段悬链线拱肋受力分析 |
4.1 常用的拱轴线线型 |
4.1.1 圆弧线 |
4.1.2 抛物线 |
4.1.3 悬链线 |
4.1.4 样条曲线 |
4.2 悬索桥分段悬链线计算原理 |
4.2.1 计算假定 |
4.2.2 分段抛物线法 |
4.2.3 分段悬链线法 |
4.3 分段悬链线拱轴线的适用性 |
4.4 分段悬链线拱轴线工程算例 |
4.4.1 东华大桥 |
4.4.2 濠江一桥 |
4.4.3 凤凰三桥 |
4.5 本章小结 |
结论与展望 |
结论 |
展望与设想 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(9)交叉熵优化方法及其在卫星可靠性设计优化中的应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 卫星可靠性设计优化问题概述 |
1.2.2 智能优化算法在可靠性设计优化中应用的国内外研究现状 |
1.2.3 交叉熵算法的国内外研究进展 |
1.3 论文的研究内容及组织结构 |
第二章 交叉熵算法理论基础 |
2.1 交叉熵算法概述 |
2.2 交叉熵算法原理 |
2.2.1 基于交叉熵的小概率事件估计算法 |
2.2.2 基于概率估计的交叉熵算法原理 |
2.3 连续型优化问题的交叉熵算法 |
2.3.1 高斯分布参数公式推导 |
2.3.2 连续型优化问题的交叉熵算法步骤 |
2.4 本章小结 |
第三章 基于改进采样策略的连续函数交叉熵算法 |
3.1 改进交叉熵方法 |
3.1.1 精英样本动态加权策略 |
3.1.2 自适应样本容量策略 |
3.1.3 改进交叉熵算法步骤及流程图 |
3.2 算例测试与结果分析 |
3.2.1 无约束连续函数的测试 |
3.2.2 约束工程优化算例的测试 |
3.3 本章小结 |
第四章 基于马尔科夫链蒙特卡罗采样的约束优化改进交叉熵算法 |
4.1 MCMC算法 |
4.1.1 MCMC算法介绍 |
4.1.2 MCMC对约束条件的处理 |
4.2 精英样本选择和优化 |
4.3 CE-MCMC算法 |
4.4 算例测试 |
4.4.1 数值优化算例及仿真结果 |
4.4.2 工程优化算例及仿真结果 |
4.5 本章小结 |
第五章 基于交叉熵的卫星可靠性设计优化应用 |
5.1 基于可靠性的设计优化 |
5.2 求解可靠度的二次可靠度法 |
5.2.1 求取MPP点的HL-RF算法 |
5.2.2 二次可靠度法 |
5.3 基于交叉熵的序贯优化和可靠性分析方法 |
5.3.1 ICE-SORA的求解思想 |
5.3.2 ICE-SORA的实施步骤 |
5.4 小卫星总体可靠性设计优化与结果分析 |
5.4.1 优化问题描述 |
5.4.2 优化结果与分析 |
5.5 本章小结 |
结束语 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
附录 A HL-RF算法 |
附录 B SORM算法 |
附录 C 英文缩略词对照表 |
(10)亚轨道飞行器多学科设计优化技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究发展概述 |
1.2.1 亚轨道飞行器研究发展现状 |
1.2.2 多学科优化技术研究发展现状 |
1.2.3 近似模型技术研究发展现状 |
1.2.4 优化算法研究发展现状 |
1.3 论文主要研究内容 |
第二章 基于空间分解的参数优化径向基近似建模 |
2.1 径向基插值原理 |
2.2 基于空间分解的参数优化径向基模型构造方法 |
2.2.1 径向基插值模型近似精度的影响因素 |
2.2.2 基于灵敏度分析的空间分解法 |
2.2.3 基于空间分解的参数优化径向基模型构造方法 |
2.3 函数测试 |
2.3.1 一维测试函数:Farhang-Mehr函数 |
2.3.2 二维测试函数:Camelback函数 |
2.3.3 七维测试函数 |
2.4 本章小结 |
第三章 基于Pareto定律参数优化的径向基近似建模 |
3.1 基于Pareto定律的留一交叉验证法 |
3.2 基于Pareto定律参数优化的径向基模型构造方法 |
3.3 算例测试 |
3.3.1 测试函数 1:Camelback函数 |
3.3.2 测试函数 2:Haupt函数 |
3.3.3 测试函数 3:二十维函数 |
3.3.4 在高超声速飞行器中的应用 |
3.4 本章小结 |
第四章 基于离散梯度方向的快速序贯优化算法 |
4.1 初始样本点的选取 |
4.2 离散梯度方向 |
4.3 序贯优化策略 |
4.4 基于离散梯度方向的快速序贯优化算法步骤 |
4.5 算例测试 |
4.6 本章小结 |
第五章 亚轨道飞行器学科建模 |
5.1 亚轨道飞行器气动学科建模 |
5.1.1 Datcom软件简介 |
5.1.2 亚轨道飞行器气动学科近似建模 |
5.2 亚轨道飞行器弹道学科建模 |
5.3 亚轨道飞行器控制学科建模 |
5.4 亚轨道飞行器质量学科建模 |
5.5 本章小结 |
第六章 亚轨道飞行器总体方案多学科设计优化 |
6.1 基于近似模型的亚轨道飞行器多学科设计优化 |
6.1.1 亚轨道飞行器基准方案 |
6.1.2 亚轨道飞行器优化问题的设定 |
6.1.3 亚轨道飞行器优化结果 |
6.2 基于概率偏差的亚轨道飞行器多学科设计优化 |
6.2.1 亚轨道飞行器灵敏度分析 |
6.2.2 亚轨道飞行器概率偏差建模 |
6.2.3 亚轨道飞行器气动学科近似建模 |
6.2.4 基于概率偏差的亚轨道飞行器多学科优化设计 |
6.3 本章小结 |
结束语 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
四、序贯数论优化方法的改进及其在全局优化中的应用(英文)(论文参考文献)
- [1]化工流程分析与优化系统的开发及应用[D]. 凌建洋. 青岛科技大学, 2021(01)
- [2]批量序贯计算机试验设计[D]. 徐勤伟. 华中师范大学, 2021(02)
- [3]序贯自适应全局优化抽样算法[D]. 肖遥. 华中师范大学, 2020(02)
- [4]自动化机器学习中的超参调优方法[J]. 张爱军,杨泽斌. 中国科学:数学, 2020(05)
- [5]基于Kriging的飞行器多学科近似建模方法研究[D]. 张熠. 国防科技大学, 2019(01)
- [6]基于主动学习代理模型的结构可靠性分析方法研究[D]. 石灵健. 东南大学, 2019(01)
- [7]火星进入不确定性量化与鲁棒最优制导方法研究[D]. 江秀强. 南京航空航天大学, 2019
- [8]系杆拱桥吊杆力的全局优化与合理拱轴线探讨[D]. 曾冠锋. 华南理工大学, 2018(12)
- [9]交叉熵优化方法及其在卫星可靠性设计优化中的应用研究[D]. 马正阳. 国防科技大学, 2017(02)
- [10]亚轨道飞行器多学科设计优化技术研究[D]. 吴宗谕. 国防科学技术大学, 2014(03)