[发明专利]基于多点加点的代理模型优化方法、装置和计算机设备

权利要求书

1.一种基于多点加点的代理模型优化方法，其特征在于，所述方法包括：

获取待优化对象原始模型的耗时函数信息，根据所述耗时函数信息进行高效全局优化算法的参数设置，以及初始采样，根据初始采样的样本点集和对应的响应集建立目标函数的高斯过程代理模型；

根据所述高斯过程代理模型构建高效全局优化算法的多目标优化子问题；所述多目标优化子问题将最大期望的局部挖掘和全局探索特性的两项作为两个目标项；

对所述目标项的函数进行自适应归一化处理，通过多目标优化算法对自适应归一化处理后的所述多目标优化子问题进行求解，得到多目标最优解集，所述最优解集中包括多个候选点；

判断优化过程是否满足设置的收敛准则，当不满足所述收敛准则时，根据参数设置中包含的加点个数信息，在所述候选点中选取多个最优点作为新样本，并通过所述耗时函数对所述新样本进行并行评估，得到新样本响应值，根据所述新样本和其对应的响应值更新所述高斯过程代理模型，直到优化过程满足所述收敛准则，完成代理模型优化。

2.根据权利要求1所述的方法，其特征在于，所述获取待优化对象原始模型的耗时函数信息，根据所述耗时函数信息进行高效全局优化算法的参数设置，以及初始采样，根据初始采样的样本点集和对应的响应集建立目标函数的高斯过程代理模型，包括：

获取待优化对象原始模型的耗时函数信息，根据所述耗时函数信息进行高效全局优化算法的参数设置，以及初始采样，根据初始采样的样本点集和对应的响应集建立目标函数的高斯过程代理模型；所述参数设置中的参数包括：设计变量的维数，耗时函数的最大评估次数，加点个数和初始采样样本数。

3.根据权利要求2所述的方法，其特征在于，所述获取待优化对象原始模型的耗时函数信息，根据所述耗时函数信息进行高效全局优化算法的参数设置，以及初始采样，根据初始采样的样本点集和对应的响应集建立目标函数的高斯过程代理模型，包括：

获取待优化对象原始模型的耗时函数信息，根据所述耗时函数信息进行高效全局优化算法的参数设置；

通过拉丁超立方采样法在整个设计空间获取初始采样点，得到初始采样的样本点集，由所述耗时函数评估初始采样点，得到初始采样的响应集；

根据所述样本点集和所述响应集建立目标函数的高斯过程代理模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述高斯过程代理模型构建高效全局优化算法的多目标优化子问题，包括：

根据所述高斯过程代理模型构建高效全局优化算法的多目标优化子问题为：

其中，EI_mop表示多目标期望改善；f₁表示多目标优化子问题中的第一目标项；f₂表示多目标优化子问题中的第二目标项；g_min表示所述样本点集中样本点的耗时函数的最小函数值；x表示未知观测点；表示所述高斯过程代理模型在未知观测点x处的函数预测值；表示所述高斯过程代理模型在未知观测点x处的预测方差；Φ(·)和φ(·)表示标准正态累积分布函数和概率密度函数；为多目标优化子问题中的局部挖掘目标函数；为多目标优化子问题中的全局探索目标函数。

5.根据权利要求1所述的方法，其特征在于，所述对所述目标项的函数进行自适应归一化处理，通过多目标优化算法对自适应归一化处理后的所述多目标优化子问题进行求解，得到多目标最优解集，所述最优解集中包括多个候选点，包括：

对所述目标项的函数进行自适应归一化处理，自适应归一化处理后的所述多目标优化子问题为：

其中，max'(EI_mop)表示自适应归一化处理后的所述多目标优化子问题；f_imin、f_imax(i＝1,2)分别为多目标优化过程中第i个目标项的最大值和最小值；

通过基于分解的多目标进化算法对自适应归一化处理后的所述多目标优化子问题进行求解，得到多目标最优解集，所述最优解集中包括多个候选点。