×
陈立明;邱浩波;高，梁;江、陈;杨赞

通过梯度增强克里金优化昂贵的黑盒问题。 （英语） Zbl 1439.90078号

计算。方法应用。机械。工程师。 362，文章ID 112861，21 p.（2020）.
摘要：本文探讨了使用梯度增强克里金对昂贵的黑盒设计问题进行优化，这并不完全受传统高效全局优化算法框架的限制。具体来说，我们给出了梯度增强克里金（Gradient enhanced Kriging）偏导数的最佳线性无偏预测器和均方预测误差，然后提出了一种称为“驻点近似概率”的测度来估计候选填充点成为基础函数驻点的近似概率。当谈到填充点的选择时，我们不仅最大化众所周知的预期改进，而且作为“双重检查”步骤评估驻点的近似概率。然后根据这两个量之间的一致性程度进行填充决策。此外，为了检查优化过程是否会从为响应评估节省更多成本中获益，我们还研究了在某些迭代中有条件跳过梯度评估步骤的情况。提出了三个新的填充标准，并用三个分析测试函数和一个翼型优化形状设计进行了试验。结果表明，采用该方法可以利用辅助梯度信息来提高优化性能。

引用于6文件

理学硕士：

90 C56 无导数方法和使用广义导数的方法
60G25型 预测理论（随机过程方面）
62K05美元 最佳统计设计
90C26型 非凸规划，全局优化

关键词：

基于代理的优化;填充标准;梯度增强克里金;高斯过程

软件：

SPACE（空间）;EGO公司;鲮鱼;玉;SU2公司
PDF格式BibTeX公司 XML格式引用
\textit{L.Chen}等人，计算。方法应用。机械。工程362，文章ID 112861，21 p.（2020；Zbl 1439.90078）
全文： 内政部

参考文献：

[1] Forrester，A.I.J。；Keane，A.J.，《基于代理的优化的最新进展》，Prog。Aerosp公司。科学。，45, 50-79 (2009)
[2] 维亚纳，F.A.C。；辛普森，T.W。；巴拉巴诺夫，V。；Toropov，V.，《多学科设计优化专题：多学科设计最优化中的元建模：我们真正走了多远？》？，AIAA J.，52，670-690（2014）
[3] Vu，K.K。；达姆布罗西奥，C。；Y.哈马迪。；Liberti，L.，基于代理的黑盒优化方法，国际事务。操作。决议，24（2017）·Zbl 1366.90196号
[4] Martins，J。；Kennedy，G.，通过伴随灵敏度分析实现大规模多学科设计优化，（AIAA 2019年科学技术论坛（2019年），美国航空航天研究所）
[5] Jameson，A.，《通过控制理论进行空气动力学设计》，J.Sci。计算。，3, 233-260 (1988) ·Zbl 0676.76055号
[6] 贾尔斯，M.B。；Pierce，N.A.，《伴随设计方法导论》，《流量涡轮机》。库布斯特。，65, 393-415 (2000) ·Zbl 0996.76023号
[7] Giannakoglou，K.C。；Papadimitriou，D.I。；《使用进化算法和新的梯度辅助元模型的空气动力学形状设计》，加州坎波利斯，计算。方法应用。机械。工程，195，6312-6329（2006）·Zbl 1178.76310号
[8] Laurent，L。；勒里奇，R。；Soulier，B。；Boucard，P.-A，梯度增强元模型及其应用概述，Arch。计算。方法工程，26，61-106（2019）
[9] 莫里斯医学博士。；米切尔·T·J。；Ylvisaker，D.，《计算机实验的贝叶斯设计和分析：导数在表面预测中的应用》，《技术计量学》，35，243-255（1993）·Zbl 0785.62025号
[10] Leary，S.J。；Bhaskar，A。；Keane，A.J.，使用伴随计算流体动力学代码的全局近似和优化，AIAA J.，42，631-641（2004）
[11] Laurenceau，J。；Meaux，M。；蒙塔尼亚克，M。；Sagaut，P.，《基于梯度和基于梯度增强响应曲面优化器的比较》，AIAA J.，48，981-994（2010）
[12] A.三月。；Willcox，K。；Wang，Q.，使用贝叶斯模型校准进行飞机设计的基于梯度的多重优化，Aeronaut。J.，115729-738（2011年）
[13] 巴克豪斯，J。；奥利希，M。；弗雷，C。；Lengyel，T。；Voß，C.，基于伴随CFD方法的梯度增强替代模型，用于反向旋转涡扇发动机的设计，（2012年ASME涡轮博览会：涡轮机技术会议和展览会（2012年），美国机械工程师学会），2319-2329
[14] 山崎，W。；Mavrilis，D.J.，《气动功能的导数增强可变保真度替代建模》，AIAA J.，51，126-137（2013）
[15] 韩，Z.-H。；Zhang，Y。；宋，C.-X。；Zhang，K.-S.，用于高维代理建模和设计优化的加权梯度增强kriging，AIAA J.，55，4330-4346（2017）
[16] 李，Z。；郑，X.，叶轮机械空气动力学设计优化方法综述，Prog。Aerosp.航空公司。科学。，93, 1-23 (2017)
[17] Chen，L。；邱，H。；高，L。；江，C。；Yang，Z.，一种用于高维问题的基于屏幕的梯度增强克里格建模方法，应用。数学。型号。，69, 15-31 (2019) ·Zbl 1470.74069号
[18] Leary，S.J。；Bhaskar，A。；Keane，A.J.，一种基于导数的替代模型，用于近似和优化昂贵计算机模拟的输出，J.Global Optim。，30, 39-58 (2004) ·Zbl 1136.90302号
[19] Laurent，L。；Boucard，P.-A.公司。；Soulier，B.，使用多参数策略生成协同克里格元模型，Comput。机械。，51, 151-169 (2013) ·Zbl 1312.65102号
[20] Laurent，L。；Boucard，P.A。；Soulier，B.，快速构建协同克立格元模型的专用多参数策略，计算。结构。，124, 61-73 (2013)
[21] 列姆·R·P。；马德尔，C.A。；Martins，J.R.R.A.，《飞机任务分析空气动力学性能预测的替代模型和混合专家》，Aerosp。科学。技术。，43, 126-151 (2015)
[22] 洛克伍德，文学学士。；Anitescu，M.，《不确定性传播的梯度增强通用克里金法》，Nucl。科学。工程，170，168-195（2012）
[23] 索拉克，E。；Murray-Smith，R。；Leithead，W.E。；Leith，D.J。；Rasmussen，C.E.，动态系统高斯过程模型中的导数观测，高级神经信息处理。系统。，1057-1064 (2003)
[24] 新墨西哥州亚历山德罗夫。；丹尼斯·J·E。；刘易斯·R·M。；Torczon，V.，用于管理优化中近似模型的使用的信任区域框架，Struct。最佳。，15, 16-23 (1998)
[25] Krige，D.G.，《Witwatersrand，J.South一些基本矿山估价问题的统计方法》。非洲。仪表最小金属。，52, 119-139 (1951)
[26] Matheron，G.，《地质统计学原理》，经济学。地质。，58, 1246-1266 (1963)
[27] Sacks，J。；Welch，W.J。；米切尔·T·J。；Wynn，H.P.，《计算机实验的设计与分析》，统计学。科学。，4, 409-423 (1989) ·Zbl 0955.62619号
[28] 威廉姆斯，C.K。；Rasmussen，C.E.，《机器学习的高斯过程》（2006），麻省理工学院出版社，剑桥：麻省理工学院出版社，马萨诸塞州剑桥·Zbl 1177.68165号
[29] Jones，D.R.，《基于响应曲面的全局优化方法分类》，J.global Optim。，21, 345-383 (2001) ·兹比尔1172.90492
[30] 布罗丘，E。；科拉·V·M。；De Freitas，N.，《昂贵成本函数的贝叶斯优化教程，应用于主动用户建模和分层强化学习》（2010年）
[31] 沙赫里亚里，B。；瑞典斯威斯基。；王，Z。；亚当斯·R·P。；Freitas，N.d.，《让人类走出循环：贝叶斯优化综述》，Proc。IEEE，104，148-175（2016）
[32] 莫库斯，J。；Tiesis，V。；Zilinskas，A.，贝叶斯方法在寻求极值中的应用，（走向全局优化，第2卷（1978）），2·Zbl 0394.90090号
[33] Schonlau，M.，滑铁卢大学计算机实验与全局优化（1997）（博士论文）
[34] Jones，D.R。；Schonlau先生。；Welch，W.J.，《昂贵黑盒函数的高效全局优化》，J.global Optim。，13, 455-492 (1998) ·Zbl 0917.90270号
[35] 巴斯克斯，E。；Bect，J.，具有固定均值和协方差函数的期望改进算法的收敛性，J.Statist。计划。推理，1403088-3095（2010）·Zbl 1419.62200号
[36] Bull，A.D.，高效全局优化算法的收敛速度，J.Mach。学习。第12号决议，2879-2904（2011年）·兹比尔1280.90094
[37] Koehler，J.R。；A.B.欧文，9岁。计算机实验（《统计手册》（1996），爱思唯尔出版社），261-308·Zbl 0919.62089号
[38] 弗雷斯特，A。；Sobester，A。；Keane，A.，《通过代理建模进行工程设计：实用指南》（2008），John Wiley&Sons
[39] Zimmermann，R.，《关于梯度增强空间高斯过程的最大似然训练》，SIAM J.Sci。计算。，35，A2554-A2574（2013）·Zbl 1283.62201号
[40] 乌拉加纳桑，S。；库库特，I。；Dhane，T。；德鲁特，J。；Laermans，E.，梯度增强克里格法的性能研究，工程计算。，32, 15-34 (2016) ·Zbl 1465.62060号
[41] 张杰。；塔夫兰迪斯，A.A。；Medina，J.C.，《利用扩展输入空间中的克里格元建模进行不确定性问题下设计的顺序近似优化》，计算。方法应用。机械。工程，315369-395（2017）·Zbl 1439.74260号
[42] 韩，Z.-H。；Görtz，S。；Zimmermann，R.，通过梯度增强kriging和广义混合桥函数改进可变精度代理建模，Aerosp。科学。技术。，25, 177-189 (2013)
[43] 北卡罗来纳州洛法文市。；尼尔森，H.B。；Söndergaard，J.，DACE-Matlab Kriging工具箱，2.0版技术报告IMM-TR-2002-12（2002），丹麦技术大学
[44] Wu，A。；Aoi，M.C。；Pillow，J.W.，在贝叶斯优化和贝叶斯求积中利用梯度和Hessians（2018）
[45] 基恩，A.J。；Nair，P.B.，《航空航天设计的计算方法：追求卓越》（2005），John Wiley&Sons
[46] Dalbey，K.R.，《高效稳健梯度增强克里金模拟器技术报告SAND2013-7022》（2013），桑迪亚国家实验室
[47] 吴杰。；Poloczek，M。；Wilson，A.G。；Frazier，P.，带梯度的贝叶斯优化，高级神经信息处理。系统。，5267-5278 (2017)
[48] Zhang，Y。；Kristensen，J。；Ghosh，S。；Vandeputte，T。；托尔曼，J。；Wang，L.，寻找高维设计优化的最大预期改进，（AIAA航空2019论坛（2019），美国航空航天研究所）
[49] 医学博士麦凯。；贝克曼，R.J。；Conover，W.J.，《计算机代码输出分析中选择输入变量值的三种方法的比较》，《技术计量学》，21，239-245（1979）·Zbl 0415.62011号
[50] Lizotte，D.J。；格雷纳，R。；Schuurmans，D.，响应面优化方法的实验方法，J.Global Optim。，53, 699-736 (2012) ·Zbl 1259.90102号
[51] 桑特纳，T.J。；威廉姆斯，B.J。；Notz，W.，《计算机实验的设计与分析》（2018），施普林格出版社·Zbl 1405.62110号
[52] Sóbester，A。；李里，S.J。；Keane，A.J.，《基于全局响应面近似模型的优化策略设计》，J.global Optim。，33, 31-59 (2005) ·Zbl 1137.90743号
[53] 张杰。；Sanderson，A.C.，JADE：具有可选外部存档的自适应差分进化，IEEE Trans。进化。计算。，13, 945-958 (2009)
[54] 黄，D。；艾伦，T.T。；诺茨，W.I。；Zeng，N.，通过序列kriging元模型对随机黑盒系统进行全局优化，J.Global Optim。，34, 441-466 (2006) ·邮编1098.90097
[55] 希克斯，R.M。；Henne，P.A.，《数值优化机翼设计》，J.Aircr。，15407-412（1978年）
[56] Economon，T.D。；帕拉西奥斯，F。；科普兰，S.R。；卢卡奇克，T.W。；Alonso，J.J.，SU2:多物理模拟和设计的开源套件，AIAA J.，54，828-846（2016）
[57] Forrester，A.I.J。；基恩，A.J。；Bressloff，N.W.，《噪声计算机实验的设计与分析》，AIAA J.，44，2331-2339（2006）
[58] de Baar，J.H.S。；肖尔茨，T.P。；Dwight，R.P.，《利用高维元模型中的伴随导数》，AIAA J.，53，1391-1395（2015）
[59] Lam，R。；Poloczek，M。；弗雷泽，P。；Willcox，K.E.，《贝叶斯优化在航空航天工程中的应用进展》，（2018年AIAA非确定性方法会议（2018年），美国航空航天研究所）
[60] 德怀特，R。；Han，Z.-H.，使用梯度增强克里金法进行有效的不确定性量化，（第50届AIAA/ASME/ASCE/AHS/ASC结构、结构动力学和材料会议（2009），美国航空航天学会）
[61] 巴特拉伊，S。；de Baar，J.H.S。；Neely，A.J.，《使用梯度增强克里金法对高超声速后缘襟翼进行有效不确定性量化》，Aerosp。科学。技术。，80, 261-268 (2018)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。