亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種高斯徑向基函數(shù)代理模型的參數(shù)確定方法與流程

文檔序號(hào):12364782閱讀:1523來源:國(guó)知局
一種高斯徑向基函數(shù)代理模型的參數(shù)確定方法與流程
本發(fā)明屬于信息處理領(lǐng)域,具體涉及一種高斯徑向基函數(shù)代理模型的參數(shù)確定方法。
背景技術(shù)
:代理模型方法是工程分析、設(shè)計(jì)、優(yōu)化過程經(jīng)常涉及的方法,其基本思想是用一個(gè)相對(duì)簡(jiǎn)單的解析函數(shù)近似代替原有復(fù)雜計(jì)算分析模型,利用已知離散數(shù)據(jù)點(diǎn)(樣本)的響應(yīng)信息來預(yù)測(cè)未知點(diǎn)響應(yīng)值。徑向基函數(shù)代理模型在精度和魯棒性方面皆較為可靠,是在各工程領(lǐng)域被廣泛使用的代理模型。高斯函數(shù)具有良好的連續(xù)性和可導(dǎo)性,被廣泛用作徑向基函數(shù)的核函數(shù),其表達(dá)形式為:式中,σ高斯核函數(shù)的核寬度。高斯徑向基函數(shù)代理模型的基本形式為:式中,x為設(shè)計(jì)變量向量;xi是第i個(gè)樣本點(diǎn)的位置向量;N為樣本點(diǎn)個(gè)數(shù);ri=||x-xi||為歐式距離;wi為第i個(gè)基函數(shù)的權(quán)系數(shù)。高斯徑向基函數(shù)代理模型中的待求參數(shù)為高斯基函數(shù)的核寬度σi與權(quán)系數(shù)wi。核寬度σi的確定對(duì)代理模型預(yù)測(cè)精度有決定性影響,已有確定方法主要有直接確定方法與基于優(yōu)化的方法兩類。前一類方法計(jì)算量小,對(duì)于均勻分布樣本得到的近似模型可實(shí)現(xiàn)較高的精度,但當(dāng)樣本分布不均勻時(shí),近似精度無可靠保證;后一類方法對(duì)應(yīng)代理模型的精度相對(duì)較高,但計(jì)算量也相對(duì)較大。技術(shù)實(shí)現(xiàn)要素:為進(jìn)一步提高高斯徑向基函數(shù)代理模型的可靠性、計(jì)算效率與近似精度,本發(fā)明提出一種高斯徑向基函數(shù)代理模型的參數(shù)確定方法。采用的技術(shù)方案是:一種高斯徑向基函數(shù)代理模型的參數(shù)確定方法,具體包括以下步驟:第一步:將樣本空間線性映射到n維單位立方體內(nèi);采用下式將樣本空間線性映射到n維單位立方體內(nèi):xk=Xk-XkLXkU-XkLk=1,2,...,n---(3)]]>式中,分別為第k維設(shè)計(jì)變量的上下界;Xk、xk分別為原設(shè)計(jì)空間與映射后單位立方體中第k維設(shè)計(jì)變量的取值。第二步:根據(jù)樣本分布情況計(jì)算各樣本點(diǎn)局部密度;采用下式計(jì)算各樣本點(diǎn)局部密度:ρ(xi)=Σj=1Ne-||xi-xj||2c2=Σj=1Ne-(xi-xj)T(xi-xj)c2---(4)]]>式中,取得:ρ(xi)=Σj=1Ne-||xi-xj||2c2=Σj=1Ne-(xi-xj)T(xi-xj)c2=Σj=1Ne-N2/n(xi-xj)T(xi-xj)---(5)]]>第三步:計(jì)算局部密度最小的樣本點(diǎn)xs至其它樣本點(diǎn)的最小距離ds,min;局部密度最小的樣本點(diǎn)xs至其它樣本點(diǎn)的最小距離ds,min為:ds,min=minj=1N[(xs-xj)T(xs-xj)];---(6)]]>第四步:確定各樣本點(diǎn)的核寬度;采用下式確定各樣本點(diǎn)的核寬度:σi=ρ(xs)/ρ(xi)nds,min;---(7)]]>第五步:確定各樣本點(diǎn)對(duì)應(yīng)基函數(shù)的權(quán)系數(shù)wi(i=1,2,…,N);將樣本S:[xi,yi](i=1,2,…,N)代入公式:得以基函數(shù)權(quán)系數(shù)wi(i=1,2,…,N)為未知數(shù)的N維線性方程組:式中,求解該方程組得wi。至此,公式中的未知參數(shù)σi與wi完全確定,即完成了高斯徑向基函數(shù)代理模型的參數(shù)確定過程。為更好理解本發(fā)明,對(duì)式(7)的由來說明如下:各樣本點(diǎn)對(duì)應(yīng)高斯基函數(shù)的核寬度σi表征了第i個(gè)樣本點(diǎn)影響區(qū)域的大小,σi的n次方應(yīng)與密度函數(shù)ρ(xi)成反比,即σinσjn=1/ρ(xi)1/ρ(xj)=ρ(xj)ρ(xi)---(10)]]>式(10)包含N-1個(gè)獨(dú)立的方程,待確定的核寬度σi為N個(gè),求得任意樣本點(diǎn)核寬度后即可確定其余樣本點(diǎn)的核寬度??紤]局部密度最小的樣本點(diǎn)xs,設(shè)其核寬度為σs,其基函數(shù)在距xs最近的樣本點(diǎn)的數(shù)值為若σs數(shù)值過小,其余樣本點(diǎn)的核寬度σi也將過小,將導(dǎo)致徑向基函數(shù)代理模型不光滑;反之若σs數(shù)值過大,將導(dǎo)致龍格現(xiàn)象。合理的σs取值應(yīng)保證樣本點(diǎn)xs的基函數(shù)的影響域應(yīng)到達(dá)離其最近的樣本點(diǎn)的位置,即的數(shù)值應(yīng)足夠大,與σs/ds,min的數(shù)值關(guān)系如圖1所示。當(dāng)σs/ds,min<0.6592時(shí),數(shù)值偏小,即樣本點(diǎn)xs的影響偏弱;當(dāng)σs/ds,min>1時(shí),本發(fā)明取σs/ds,min=1以保證樣本點(diǎn)xs的影響域到達(dá)離其最近的樣本點(diǎn),確保代理模型光滑,即σs=ds,min(12)由式(10)與式(12)即得如式(7)所示的各樣本點(diǎn)核寬度的計(jì)算公式。本發(fā)明的有益效果是:(1)本發(fā)明提出的高斯徑向基函數(shù)代理模型的參數(shù)確定方法邏輯清晰、操作簡(jiǎn)便、易于執(zhí)行;(2)本發(fā)明確定高斯基函數(shù)核寬度的方法主要計(jì)算量在于計(jì)算樣本點(diǎn)間的距離(x-xi)T(x-xi),但(x-xi)T(x-xi)同樣是確定權(quán)系數(shù)wi需要的量,換言之,本發(fā)明基函數(shù)核寬度確定方法基本不會(huì)帶來計(jì)算量的增加;(3)采用本發(fā)明方法得到的高斯徑向基函數(shù)代理模型通適于均勻/非均勻樣本,且具有可靠、高效、高精度的顯著特點(diǎn)。附圖說明圖1為與σs/ds,min的數(shù)值關(guān)系;圖2為本發(fā)明提出的高斯徑向基函數(shù)代理模型的參數(shù)確定方法的流程;圖3為本發(fā)明方法與另外兩種方法得到的高斯徑向基函數(shù)代理模型的MR2值比較;圖4為焊接梁空間結(jié)構(gòu)示意圖。具體實(shí)施方式本發(fā)提出的高斯徑向基函數(shù)代理模型的參數(shù)確定方法的流程如圖2所示。下面結(jié)合附圖,對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步的說明。步驟一:將樣本空間線性映射到n維單位立方體內(nèi):根據(jù)式(3)將樣本空間線性映射到n維單位立方體內(nèi)。步驟二:根據(jù)樣本分布情況計(jì)算各樣本點(diǎn)局部密度:根據(jù)式(5)計(jì)算各樣本點(diǎn)局部密度ρ(xi)。步驟三:計(jì)算局部密度最小的樣本點(diǎn)xs至其它樣本點(diǎn)的最小距離ds,min:采用下式計(jì)算ds,min:ds,min=minj=1N[(xs-xj)T(xs-xj)]---(13)]]>步驟四:確定各樣本點(diǎn)的核寬度σi:采用下式確定σi:σi=ρ(xs)/ρ(xi)nds,min---(14)]]>步驟五:確定各樣本點(diǎn)對(duì)應(yīng)基函數(shù)的權(quán)系數(shù)wi(i=1,2,…,N):將樣本S:[xi,yi](i=1,2,…,N)代入式(2),得N維線性方程組:式中,求解該方程組即得權(quán)系數(shù)wi。自此即完成了高斯徑向基函數(shù)代理模型的參數(shù)確定過程。為分析本發(fā)明的性能特點(diǎn),將本發(fā)明得到的高斯徑向基函數(shù)代理模型與以下兩種方法得到的模型進(jìn)行比較分析。已有方法一:采用確定各樣本點(diǎn)基函數(shù)核寬度,其中di,max為第i個(gè)樣本點(diǎn)到其他樣本點(diǎn)間的最小距離,各樣本點(diǎn)對(duì)應(yīng)基函數(shù)的權(quán)系數(shù)的確定方法與本發(fā)明類似。(參考文獻(xiàn):S.Kitayama,M.Arakawa,K.Yamazaki.SequentialApproximateOptimizationusingRadialBasisFunctionnetworkforengineeringoptimization[J].OptimizationandEngineering.2011,12:535-557.)已有方法二:采用確定各樣本點(diǎn)基函數(shù)核寬度,其中dmax為所有樣本點(diǎn)間的最大距離,各樣本點(diǎn)對(duì)應(yīng)基函數(shù)的權(quán)系數(shù)的確定方法與本發(fā)明類似。(參考文獻(xiàn):H.Nakayama,M.Arakawa,R.Sasaki.Simulation-basedoptimizationusingcomputationalintelligence[J].OptimizationandEngineering.2002(3):201-214.)采用下式準(zhǔn)則比較本發(fā)明方法與另外兩種方法得到的高斯徑向基函數(shù)代理模型的近似精度:R2=1-Σi=1n(yi-y^i)2Σi=1n(yi-y‾)2---(16)]]>式中,n為驗(yàn)證樣本數(shù)量;yi為原始模型真實(shí)值;為近似模型數(shù)值;為yi的平均值。R2≤1,越接近于1表明近似模型精度越高,當(dāng)R2=1時(shí)表明近似模型在驗(yàn)證樣本處的誤差為0。取如下所示5個(gè)典型測(cè)試函數(shù)。函數(shù)I(一維函數(shù)):f(x)=xsin(1.5x)0≤x≤10(17)函數(shù)II(低維低階函數(shù)):f(x)=sin(x1+x2)+(x1-x2)2-1.5x1+2.5x2+1|xi|≤5(18)函數(shù)III(低維高階函數(shù)):f(x)=(10+x1cos(x1))(3+exp(-x22))|xi|≤5---(19)]]>函數(shù)IV(高維低階函數(shù)):f(x)=2(x1-1)2+x22-x1x2+(4-x3)2+3(x4-6)2+0.5(x5-2)2+(x6-10)2+4(x7-9)2+2(x8-5)2+33|xi|≤20---(20)]]>函數(shù)V(高維高階函數(shù)):f(x)=Σi=18exp(xi)(xi-ln(Σk=18exp(xk)))|xi|≤4---(21)]]>采用文獻(xiàn)[24]中的方法驗(yàn)證本文提出的核寬度確定方法的性能,驗(yàn)證過程為:函數(shù)I取10個(gè)隨機(jī)樣本點(diǎn),函數(shù)II、III取50個(gè)隨機(jī)樣本點(diǎn),函數(shù)IV、V取200個(gè)隨機(jī)樣本點(diǎn),分別按本發(fā)明方法與已有方法一、二確定代理模型,為保證近似精度R2計(jì)算的準(zhǔn)確性,取足夠多的驗(yàn)證樣本點(diǎn),數(shù)量為1000,進(jìn)行20次獨(dú)立的隨機(jī)數(shù)值仿真實(shí)驗(yàn),計(jì)算R2與R2的平均值MR2。三種方法得到代理模型的MR2值比較如圖3所示。結(jié)果表明,本發(fā)明提出的參數(shù)確定方法得到的高斯徑向基函數(shù)代理模型的近似精度顯著優(yōu)于已有方法一、二。本發(fā)明提出的參數(shù)確定方法得到的高斯徑向基函數(shù)代理模型可廣泛用于工程分析、設(shè)計(jì)、優(yōu)化領(lǐng)域,并提高效率與性能。以焊接梁優(yōu)化問題為例,該問題為經(jīng)典工程優(yōu)化設(shè)計(jì)問題,其示意圖如圖4所示,優(yōu)化設(shè)計(jì)的目標(biāo)是在滿足約束的條件下盡量降低制造成本,四個(gè)設(shè)計(jì)變量分別是x1=h,x2=l,x3=t和x4=b,約束有最大應(yīng)力約束,最大變形約束,形狀約束等,該優(yōu)化間題的此優(yōu)化問題的數(shù)學(xué)表達(dá)式為:Min:f(x)=1.10471x12x2+0.04811x3x4(14.0+x2)s.t.g1(x)=τ(x)-τmax≤0g2(x)=σ(x)-σmax≤0g3(x)=x1-x4≤0g4(x)=0.10471x12+0.04811x3x4(14.0+x2)-5.0≤0g5(x)=0.125-x1≤0g6(x)=δ(x)-δmax≤0g7(x)=P-Pc(x)≤0---(22)]]>式中:τ(x)=(τ′)2+2τ′τ′′x22R+(τ′′)2]]>τ′=P2x1x2,τ′′=MRJ,M=P(L+x22)]]>R=x224+(x1+x32)2]]>J=2{2x1x2[x2212+(x1+x32)2]}]]>σ(x)=6PLx4x32,δ(x)=4PL3Ex33x4]]>Pc(x)=4.013Ex32x46/36L2(1-x32LE4G)]]>P=6000lb,L=14in,E=30×106psi,G=12×106psiτmax=13600psi,σmax=30000psi,δmax=0.255in采用優(yōu)化拉丁超立方方法生成40個(gè)樣本點(diǎn),根據(jù)式(22)計(jì)算各樣本點(diǎn)的目標(biāo)函數(shù)與約束值,分別采用本發(fā)明方法與已有方法一、二建立目標(biāo)函數(shù)與約束值的高斯徑向基函數(shù)代理模型,在代理模型基礎(chǔ)上進(jìn)行優(yōu)化,優(yōu)化結(jié)果如表1所示。由表1得,本發(fā)明方法所得代理模型對(duì)應(yīng)最優(yōu)解滿足原模型的各個(gè)約束條件,為原模型的可行解,設(shè)計(jì)變量與目標(biāo)函數(shù)值最接近原模型最優(yōu)解;已有方法一所得代理模型對(duì)應(yīng)最優(yōu)解也為原模型的可行解,但設(shè)計(jì)變量與目標(biāo)函數(shù)值偏離原模型最優(yōu)解較遠(yuǎn);已有方法二所得代理模型對(duì)應(yīng)最優(yōu)解為原模型的不可行解;本發(fā)明提出的高斯徑向基函數(shù)代理模型的參數(shù)確定方法用于工程優(yōu)化時(shí)性能優(yōu)于已有方法一、二。表1不同方法所得代理模型對(duì)應(yīng)最優(yōu)解的對(duì)比本發(fā)明提出了邏輯清晰、操作簡(jiǎn)便、易于執(zhí)行的高斯徑向基函數(shù)代理模型的參數(shù)確定方法,該方法通適于均勻/非均勻樣本,且具有可靠、高效、高精度的顯著特點(diǎn),是高斯徑向基函數(shù)代理模型參數(shù)確定的理想方法。綜上所述,雖然本發(fā)明已以較佳實(shí)施例揭露如上,然其并非用以限定本發(fā)明,任何本領(lǐng)域普通技術(shù)人員,在不脫離本發(fā)明的精神和范圍內(nèi),當(dāng)可作各種更動(dòng)與潤(rùn)飾,因此本發(fā)明的保護(hù)范圍當(dāng)視權(quán)利要求書界定的范圍為準(zhǔn)。當(dāng)前第1頁(yè)1 2 3 
當(dāng)前第1頁(yè)1 2 3 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1