毛 勇，曾 锋，罗 曼

(武汉船舶通信研究所 武汉 430079)

复杂电子装备通常涉及到机械、电磁、热等多个学科，利用仿真软件进行计算时，需要在多个学科间进行多次迭代，导致整体计算量偏大，计算效率低下。为减少仿真的计算量，提高计算效率，引入代理模型是必然的选择[1]。多项式响应面、Kriging、径向基函数、支持向量回归等是常用的代理模型近似算法[2-3]。在实际应用中，利用Kriging模型进行设计的越来越多[4]。

通过加点方法不断更新代理模型是提高代理模型预测精度的一种重要手段。文献[5]提出的有效全局优化(efficient global optimization, EGO)算法是一种研究早且应用相对广泛的加点方法。文献[6]介绍了一种通过构造概率密度函数来选取新增样本点的径向基函数的追峰采样(mode pursuing sampling,MPS)方法，该方法在进行高维问题优化时计算效率较低。文献[7]提出一种集成最小化置信下限和信赖域(integrating minimize lower confidence bound and trust region, IMLCB-TR)的动态代理模型优化策略，该优化策略不仅能够保证最优解精度，优化效率也有一定程度的提高。文献[8]提出的一种基于智能空间探索的自适应响应面方法，该方法能够在一定程度上提高计算效率，但是该方法的近似能力不理想，导致其在实际应用中可能陷入局部最优。

针对上述问题，本文提出了基于重点域的自适应加点方法(adaptive infilling method based on significant domain)。该方法在每次迭代时通过建立局部加点和全局加点模型以分别提高代理模型的局部开发能力和总体探索能力。最后，将本文提出的方法应用于标准数学测试问题和某共形天线的优化设计中，从数值结果上验证本文方法的高效性和有效性。……