自适应设计空间扩展的高效代理模型气动优化设计方法
2018-07-31王超高正红张伟夏露黄江涛
王超,高正红,*,张伟,夏露,黄江涛
1. 西北工业大学 航空学院,西安 710072 2. 中国空气动力研究与发展中心 计算空气动力研究所,绵阳 621000
基于代理模型的优化(Surrogate-Based Optimization,SBO)方法可以提高优化设计效率,便于实现全局优化搜索,因此在工程设计领域得到广泛应用[1-4]。对于确定的优化问题,代理模型利用设计空间中有限的样本,通过一定的模型假设构建设计变量与目标函数的近似关系,并对设计空间中的未知点进行预测。代理模型的预测精度是影响基于代理模型优化效果的关键,工程设计中常采用具有描述强非线性问题能力的代理模型,如径向基函数(RBF)[5]、Kriging[6]、支持向量回归(SVR)[7]等模型,这类代理模型的预测精度与设计空间内样本的密度密切相关[8]。对于工程优化设计问题,特别是在初步设计阶段,通常需要选择尽可能大的设计空间,以获得具有全局最优的设计结果。然而,设计空间的扩大将直接导致样本在空间中的分布密度急剧下降,严重影响代理模型的精度。增加样本数目可以改善代理模型的精度,但是由此会带来巨大的计算代价,从而大幅度降低代理模型的优化效率。因此,如何构建尽可能包含全局最优设计点的有效设计空间,以及如何选择用于重构代理模型的有效样本是基于代理模型优化方法需要解决的关键问题。
Jones等[9]于1998年提出了基于Kriging模型的高效全局优化(Efficient Global Optimization,EGO)方法。EGO方法将优化搜索与代理模型加点重构相结合,根据Kriging模型对目标函数预测的均值和方差,将目标函数改善的期望(Expected Improvement,EI)作为Kriging模型优化的适应值函数。……
