基于动态Kriging模型和梯度投影法的混合全局优化算法

《基于动态Kriging模型和梯度投影法的混合全局优化算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、广东工业大学硕士学位论文（工学硕士）基于动态Kriging模型和梯度投影法的混合全局优化算法陈超然二〇一八年五月分类号：学校代号：11845UDC：密级：学号：2111501065广东工业大学硕士学位论文（工学硕士）基于动态Kriging模型和梯度投影法的混合全局优化算法陈超然指导教师姓名、职称：杨志军教授学科(专业)或领域名称：机械工程学生所属学院：机电工程学院论文答辩日期：二〇一八年五月ADissertationSubmittedtoGuangdongUniversityofTechnologyfortheDegreeofMaster（M

2、asterofEngineeringScience）HybridGlobalOptimizationAlgorithmBasedonDynamicKrigingModelandGradientProjectionMethodCandidate:ChenChaoranSupervisor:Prof.YangZhijunMay2018SchoolofElectromechanicalEngineeringGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006摘要摘要随

3、着电子封装设备向高速、高精度的方向发展，高速轻载机构的动态最优化设计成为该发展过程中的研究热点。由于刚体运动与弹性变形互相耦合，其动力学模型通常是一组时变系数和非光滑非线性的高维微分方程组，给建模分析和优化带来了极大的困难。若能将一系列动态优化问题视为工程领域中普遍存在的黑箱优化问题，则可以为复杂的高速轻载机构优化问题提供一个新的解决途径。目前，对于黑箱优化问题，结合近似模型技术和启发式算法而形成的基于近似模型的优化方法是一种有效的解决方法。然而，现有研究提出的算法往往在精度、效率和稳定性方面有所侧重，导致其综合性能较差，从而无法满足一些工程

4、应用的需求。因此，有必要建立一种具有良好综合性能的全局优化算法。综上，本文将围绕近似模型优化方法展开研究。首先，阐述了基于近似模型优化方法的国内外研究现状。其次，以遗传算法、Kriging模型和梯度投影法为理论基础，在选定其控制参数后，提出了一种混合全局优化(HybridGlobalOptimization,HGO)算法。其中主要包括两个创新点：(1)提出了一种新的动态Kriging模型与遗传算法的结合方法。在遗传算法的优化过程中，限制了Kriging模型的样本数，并不断评估每一个个体在Kriging模型的准确度。若准确，则以Kriging模

5、型的预测目标值作为个体适应度值，否则计算实际响应值作为个体适应度值，从而尽量保证了每一代种群中可能的最优个体的准确性。该结合方法能够在提高算法优化效率的同时，保证求解结果的精度。(2)提出了一种基于修改梯度投影法的变异策略。针对遗传算法无法有效处理非线性约束的问题，将梯度投影法的思想引入遗传算法的变异机制中，并提出一种基于修改梯度投影法的变异策略：利用Kriging模型预测的梯度信息来指导种群个体进行变异。该变异策略不仅有效地处理非线性约束，还增强了算法的局部收敛能力。然后，为验证算法的有效性，通过两个带不同类型约束的标准测试函数来测试HGO

6、算法的性能。测试结果表明，HGO算法能够同时兼顾结果精度、优化效率和算法稳定性，从而具有良好的综合性能。最后，为体现算法的工程实用性，将HGO算法应用于一个基于有限元仿真的空间机械臂动态响应优化实例中。优化结果表明，HGO算法能够发挥更好的综合性能，从而实现对工程黑箱优化问题的有效应用。I广东工业大学硕士学位论文关键词Kriging模型；梯度投影法；混合全局优化；黑箱优化；高速轻载机构IIABSTRACTABSTRACTAselectronicpackagingequipmentspursuinghighspeedandhighprecisi

7、on,thedynamicoptimizationdesignofhigh-speedlow-loadmechanismhasbecomeachallengingresearchtopic.Duetothecouplingofrigidmotionandelasticdeformation,thedynamicmodelofhigh-speedlow-loadmechanismisusuallyagroupofhigh-dimensionaldifferentialequationswithtime-varyingcoefficientsan

8、dnon-smoothnonlinearity,whichisthegreatdifficultyformodeling,analysisandoptimizati