復(fù)雜系統(tǒng)的仿真通常具有高維度、高計(jì)算量等特點(diǎn),代理模型因其明晰的數(shù)學(xué)表達(dá)和良好的計(jì)算特性可用于逼近真實(shí)系統(tǒng)。加權(quán)模型對(duì)比單個(gè)代理模型來說,其穩(wěn)定性和適應(yīng)性更廣。不同的代理模型其性能不一,根據(jù)特定指標(biāo),可以構(gòu)造最優(yōu)加權(quán)代理模型�；诖砟Ｐ皖A(yù)測(cè)分布以及Kullback-Leibler距離構(gòu)造各子代理模型之間的離散度,并提出一種新的權(quán)函數(shù)構(gòu)造方法。算例表明,該方法與最優(yōu)子模型的精度相當(dāng),同時(shí)能提高對(duì)真實(shí)響應(yīng)分布的逼近。 

【文章來源】：國(guó)防科技大學(xué)學(xué)報(bào). 2019,41(03)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

類代理模型ＲMSE對(duì)比Fig．1ComparisonofＲMSEof9surrogatemodels

第3期晏良，等:基于Kullback-Leibler距離離散度的加權(quán)代理模型圖29類代理模型ECDF對(duì)比Fig．2ComparisonofECDFof9surrogatemodels4．2Ｒastrigin函數(shù)假設(shè)xi～N(0，1)，i=1，2，同樣利用拉丁超立方體抽樣方法(LatinHypercubeSampling，LHS)生成包含20個(gè)樣本的試驗(yàn)設(shè)計(jì)(X，Y)，并對(duì)每類代理模型總共進(jìn)行50次獨(dú)立試驗(yàn)，則其ＲMSE對(duì)比如圖3所示。由圖3可以看出，對(duì)于5類子代理模型來說，除了M1以外，M2～M5逼近精度類似，其中M2，M3的整體預(yù)測(cè)性能更加穩(wěn)定;對(duì)于4類加權(quán)模型來說，其預(yù)測(cè)性能與M2～M5相當(dāng)，M9的逼近精度略高，在某些試驗(yàn)設(shè)計(jì)條件下具有最高的精度。圖4與圖2類似，同樣利用1000個(gè)樣本的測(cè)試集生成經(jīng)驗(yàn)累積分布函數(shù)，其結(jié)果如圖4所示。圖39類代理模型ＲMSE對(duì)比Fig．3ComparisonofＲMSEof9surrogatemodels圖49類代理模型ECDF對(duì)比Fig．4ComparisonofECDFof9surrogatemodels·361·

第3期晏良，等:基于Kullback-Leibler距離離散度的加權(quán)代理模型圖29類代理模型ECDF對(duì)比Fig．2ComparisonofECDFof9surrogatemodels4．2Ｒastrigin函數(shù)假設(shè)xi～N(0，1)，i=1，2，同樣利用拉丁超立方體抽樣方法(LatinHypercubeSampling，LHS)生成包含20個(gè)樣本的試驗(yàn)設(shè)計(jì)(X，Y)，并對(duì)每類代理模型總共進(jìn)行50次獨(dú)立試驗(yàn)，則其ＲMSE對(duì)比如圖3所示。由圖3可以看出，對(duì)于5類子代理模型來說，除了M1以外，M2～M5逼近精度類似，其中M2，M3的整體預(yù)測(cè)性能更加穩(wěn)定;對(duì)于4類加權(quán)模型來說，其預(yù)測(cè)性能與M2～M5相當(dāng)，M9的逼近精度略高，在某些試驗(yàn)設(shè)計(jì)條件下具有最高的精度。圖4與圖2類似，同樣利用1000個(gè)樣本的測(cè)試集生成經(jīng)驗(yàn)累積分布函數(shù)，其結(jié)果如圖4所示。圖39類代理模型ＲMSE對(duì)比Fig．3ComparisonofＲMSEof9surrogatemodels圖49類代理模型ECDF對(duì)比Fig．4ComparisonofECDFof9surrogatemodels·361·


本文編號(hào)：3143399