復(fù)雜系統(tǒng)的仿真通常具有高維度、高計算量等特點,代理模型因其明晰的數(shù)學(xué)表達和良好的計算特性可用于逼近真實系統(tǒng)。加權(quán)模型對比單個代理模型來說,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,可以構(gòu)造最優(yōu)加權(quán)代理模型。基于代理模型預(yù)測分布以及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),同時能提高對真實響應(yīng)分布的逼近。 

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

【文章頁數(shù)】：7 頁

【部分圖文】：

類代理模型ＲMSE對比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個樣本的試驗設(shè)計(X，Y)，并對每類代理模型總共進行50次獨立試驗，則其ＲMSE對比如圖3所示。由圖3可以看出，對于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)測性能更加穩(wěn)定;對于4類加權(quán)模型來說，其預(yù)測性能與M2～M5相當(dāng)，M9的逼近精度略高，在某些試驗設(shè)計條件下具有最高的精度。圖4與圖2類似，同樣利用1000個樣本的測試集生成經(jīng)驗累積分布函數(shù)，其結(jié)果如圖4所示。圖39類代理模型ＲMSE對比Fig．3ComparisonofＲMSEof9surrogatemodels圖49類代理模型ECDF對比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個樣本的試驗設(shè)計(X，Y)，并對每類代理模型總共進行50次獨立試驗，則其ＲMSE對比如圖3所示。由圖3可以看出，對于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)測性能更加穩(wěn)定;對于4類加權(quán)模型來說，其預(yù)測性能與M2～M5相當(dāng)，M9的逼近精度略高，在某些試驗設(shè)計條件下具有最高的精度。圖4與圖2類似，同樣利用1000個樣本的測試集生成經(jīng)驗累積分布函數(shù)，其結(jié)果如圖4所示。圖39類代理模型ＲMSE對比Fig．3ComparisonofＲMSEof9surrogatemodels圖49類代理模型ECDF對比Fig．4ComparisonofECDFof9surrogatemodels·361·


本文編號：3143399