×
阿尼尔班·巴苏达尔;克里斯托夫·德里布什;西尔万·拉卡泽;萨米·密苏里州

基于支持向量机的约束高效全局优化。 （英语） 兹比尔1274.90271

结构。多磁盘。最佳方案。 46，第2期，201-221（2012）.
摘要：本文提出了一种使用支持向量机（SVM）进行约束高效全局优化（EGO）的方法。与原始EGO公式一样，当使用克里金近似目标函数时，使用SVM将可行域的边界显式近似为设计变量的函数。由于SVM是一种分类方法，不涉及响应近似，因此该方法缓解了因不连续或二进制响应而产生的问题。更重要的是，可以使用一个唯一的SVM表示多个约束，甚至相关的约束，从而大大简化了约束问题。为了考虑约束，本文引入了一种基于SVM的“可行性概率”，使用了一种新的概率SVM模型。提出的优化方案由两个层次组成。在第一阶段，基于目标函数的“预期改进”和可行性概率，对最优解进行全局搜索。在第二阶段中，使用自适应采样方案对SVM边界进行局部细化。提出并比较了优化问题的无约束和约束形式。使用了几个分析示例来测试配方。特别地，提出了一个具有99个约束条件的问题和一个具有二进制输出的气动弹性问题。总的来说，结果表明约束公式更稳健、更有效。

引用于12文件

MSC公司：

90C26型 非凸规划，全局优化
68T05型 人工智能中的学习和自适应系统
90 C59 数学规划中的近似方法和启发式

关键词：

高效全局优化;约束优化;支持向量机;二进制问题;不连续性;分类

软件：

起源;ZAERO公司;EGO公司;SPACE（空间）
PDF格式BibTeX公司 XML格式引用
\textit{A.Basudhar}等人，结构。多磁盘。优化。46，第2号，201--221（2012；Zbl 1274.90271）
全文： 内政部

参考文献：

[1] Alexandrov NM、Lewis RM、Gumbert CR、Green LL、Newman PA（2001）《变刚度模型气动优化中的近似和模型管理》。《航空杂志》38（6）：1093–1101·数字对象标识代码：10.2514/2.2877
[2] Arenbeck H、Missoum S、Basudhar A、Nikravesh PE（2010），使用显式设计空间分解的多体系统基于可靠性的优化设计和公差。机械设计杂志132（2）：021010·数字对象标识代码：10.1115/1.4000760
[3] Audet Jr C，Dennis JE，Moore DW，Booker A，Frank PD（2000）一种基于代理的约束优化方法。参加：第八届美国国际航空航天局/美国宇航局/美国空军/国际空间站组织多学科分析与优化研讨会。论文编号：AIAA-2000-4891
[4] Basudhar A，Missom S（2008），使用支持向量机进行概率设计和优化的自适应显式决策函数。计算结构86（19-20）：1904-1917·doi:10.1016/j.compstruc.2008.02.008
[5] Basudhar A，Missoum S（2009）基于抽样的随机场概率设计方法。计算方法应用机械工程198（47-48）：3647–3655·Zbl 1230.74238号 ·doi:10.1016/j.cma.20009.07.003
[6] Basudhar A，Missoum S（2010），用于构建显式边界的改进自适应采样方案。结构多盘Optim 42（4）：517–529·Zbl 06227877号 ·doi:10.1007/s00158-010-0511-0
[7] Basudhar A、Missoum S、Harrison Sanchez A（2008）使用支持向量机识别不连续响应和不相交失效域的极限状态函数。Probab工程机械23（1）：1–11·doi:10.1016/j.probengmech.2007.08.004
[8] Bichon BJ（2010）可靠性分析和设计的高效替代建模。范德比尔特大学博士论文
[9] Bichon BJ、Mahadevan S、Eldred MS（2009），使用高效的全局可靠性评估进行基于可靠性的设计优化。摘自：第50届AIAA/ASME/ASCE/AHS/ASC结构、动力学和材料会议论文集。论文AIAA-2009-2264。加利福尼亚州棕榈泉
[10] Chiles JP，Delfiner P（1999）《地理统计学：空间不确定性建模》。Wiley-Interscience，纽约·Zbl 0922.62098号
[11] Cressie N（1990）《克里格的起源》。数学地理22（3）：239–252·Zbl 0964.86511号 ·doi:10.1007/BF00889887
[12] Cristianini N，Shawe-Taylor J（2006）《支持向量机简介：以及其他基于核的学习方法》。剑桥大学出版社·Zbl 0994.68074号
[13] Forrester AIJ，Keane AJ（2009）基于代理优化的最新进展。航空科学计划45（1-3）：50–79·doi:10.1016/j.paeroci.2008.11.001
[14] Forrester AIJ、Sobester A、Keane AJ（2008）《通过替代建模进行工程设计：实用指南》。纽约威利
[15] Ginsbourger D，Le Riche R，Carraro L（2007）基于Kriging的确定性并行全局优化的多点准则。In:非凸规划国际会议，NCP07
[16] Gramacy RB，Lee HKH（2010）未知约束下的优化。Arxiv预打印，Arxiv:1004.4027
[17] Gunn SR（1998）分类和回归的支持向量机。技术报告ISIS-1-98，南安普顿大学电子与计算机科学系
[18] Henkenjohann N，Kunert J（2007）基于多元期望改进准则的高效序列优化方法。质量工程师19（4）：267–280·doi:10.1080/08982110701621312
[19] Huang D、Allen TT、Notz WI、Miller RA（2006）《使用多重精度评估的序贯克里格优化》。结构多盘Optim 32（5）：369–382·doi:10.1007/s00158-005-0587-0
[20] Jin R，Du X，Chen W（2003）元建模技术在不确定性优化中的应用。结构多维优化25（2）：99–116·doi:10.1007/s00158-002-0277-0
[21] Jones DR，Schonlau M，Welch WJ（1998），昂贵黑盒函数的高效全局优化。全球优化杂志13（4）：455–492·Zbl 0917.90270号 ·doi:10.1023/A:1008306431147
[22] Kleijnen JPC（2009）《模拟中的克里格元建模：综述》。欧洲运营研究杂志192（3）：707–716·Zbl 1157.90544号 ·doi:10.1016/j.ejor.2007.10.13
[23] Lee H，Gramacy R，Linkletter C，Gray G（2010）通过统计仿真实现隐藏约束下的优化。技术报告，加州大学圣克鲁斯分校应用数学与统计系技术代表UCSC-SOE-10-10·Zbl 1513.62193号
[24] Lin HT、Lin CJ、翁RC（2007）关于支持向量机的Platt概率输出的注释。马赫学习68（3）：267–276·Zbl 1471.68220号 ·doi:10.1007/s10994-007-5018-6
[25] Martin JD，Simpson TW（2005）使用克里格模型近似确定性计算机模型。美国汽车协会J 43（4）：853–863·doi:10.2514/1.8650
[26] Missom S、Ramu P、Haftka RT（2007）非线性瞬态动力问题可靠性设计的凸壳方法。计算方法应用机械工程196（29）：2895–2906·Zbl 1119.74037号 ·doi:10.1016/j.cma.2006.12.008
[27] Picheny V、Kim NH、Haftka RT、Queipo NV（2008）使用代理建模的保守预测。摘自：第49届AIAA/ASME/ASCE/AHS/ASC结构、结构动力学和材料会议论文集，美国伊利诺伊州绍姆堡，第7-10页
[28] Platt JC（1999）支持向量机的概率输出以及与正则化似然方法的比较。在：大幅度分类器的进展。麻省理工学院出版社，剑桥，第61-74页
[29] Ponweiser W，Wagner T，Vincze M（2008）《聚类多重广义期望改进：替代模型的新填充抽样准则》。In:IEEE进化计算大会，香港
[30] Queipo NV、Haftka RT、Shyy W、Goel T、Vaidyanathan R、Tucker PK（2005），基于代理的分析和优化。Prog Aerosp Sci科学41（1）：1-28·doi:10.1016/j.paeroci.2005.02.001
[31] Rasmussen CE，Williams CKI（2005）机器学习的高斯过程
[32] Santner TJ、Williams BJ、Notz W（2003）《计算机实验的设计与分析》。纽约州施普林格·Zbl 1041.62068号
[33] Sasena MJ（2002）使用克里金近似进行约束全局优化的灵活性和效率增强。密歇根大学机械工程系博士论文
[34] Sasena MJ，Papalambrose PY，Goovaerts P（2002a）约束全局优化的元建模采样标准探索。工程优化34:263–278·doi:10.1080/3052150211751
[35] Sasena M，Papalambros P，Goovaerts P（2002b）通过代理建模实现可行区域不连通问题的全局优化。参加：第九届AIAA/ISSMO多学科分析与优化研讨会。Citeser公司
[36] Schokopf B，Smola AJ（2002）《内核学习：支持向量机、正则化、优化及其他》。麻省理工学院出版社，剑桥
[37] Schonlau M（1997）计算机实验与全局优化。加拿大安大略省滑铁卢大学统计系博士论文
[38] Simpson TW、Toropov VV、Balabanov VO、Viana FAC（2008）《多学科设计优化中的计算机实验设计与分析：我们已经走了多远——或还没有走多远的回顾》。参加：第十二届AIAA/ISSMO多学科分析和优化会议，加拿大英属哥伦比亚维多利亚
[39] Stein ML（1999）空间数据插值：克里金的一些理论。纽约州施普林格·Zbl 0924.62100号
[40] 范德普拉茨研究；Development，Inc（2006）Genesis分析手册9.0版
[41] Vapnik VN（1998）统计学习理论。威利，纽约·Zbl 0935.62007号
[42] Viana FAC、Gogu C、Haftka RT（2010a）《充分利用代理模型：交易技巧》。参加：ASME 2010国际设计工程技术会议；计算机与信息工程会议，加拿大蒙特利尔
[43] Viana F，Haftka R，Watson LT（2010b）为什么不使用多个代理运行高效的全局优化算法？收录：第51届AIAA/ASME/ASCE/AHS/ASC结构、结构动力学和材料会议论文集，美国佛罗里达州奥兰多AIAA–2010–3090
[44] Wang GG，Shan S（2007）《支持工程设计优化的元建模技术综述》。机械设计杂志129（4）：370–380·数字对象标识代码：10.1115/1.2429697
[45] Zona Technology，Inc（2008）Zaero 8.3版理论手册，第19版
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。