科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于Kriging代理模型的优化算法对于解决函数计算昂贵的优化问题非常有效,但并不适用于高维参数的优化.针对该问题,提出了一个混合Kriging代理模型和多种优化技术的算法.该算法在Kriging模型选择新样例点时使用单维参数独立优化以克服维度灾难并提高收敛速度,同时基于已构建的Kriging代理模型信息提出一种新的动态坐标扰动策略,并将该策略用于高维参数优化以得到更好的目标函数值.为了保证不丢失全局最优解,在使用一般期望提高加点策略作为选点原则时,在期望函数的多个峰值同时选点.为了验证算法的有效性,将该算法应用于具有41维参数的人类白细胞代谢网络参数估计问题.实验结果表明,在有限的迭代次数下,该算法能产生较小的目标函数值,以及和实验拟合较好的参数估计结果.
- 出版日期2015
- 单位工业装备结构分析国家重点实验室; 大连理工大学; 大连东软信息学院
