基于Kriging代理模型的两类全局优化算法比较

代理模型在结构优化领域中的应用逐渐增多。相对传统优化方法,代理模型方法在处理带有噪音或仿真模拟十分耗时的问题时有明显优势。加点准则是代理模型技术的一个关键,为了避免陷入局部最优解,加点准则需要同时考虑局部搜索(exploitation)和全局搜索(exploration)两部分并加以平衡。本文在Kriging代理模型基础上提出一种基于几何全局搜索的全局优化算法MSG(Multi-start Local Search with Geometrical Exploration),通过数值算例将其与基于不确定性全局搜索的有效全局优化算法EGO(Efficient Global Optimization)进行比较,研究了MSG算法参数的影响,并讨论了MSG与EGO各自的特点和适用范围。