文献类型：期刊文献

中文题名：基于Kriging代理模型的序列优化

英文题名：Sequential optimization method based on Kriging surrogate model

作者：何东海[1];祁荣宾[1];钱锋[1]

机构：[1]华东理工大学化工过程先进控制和优化技术教育部重点实验室,上海200237

年份：2014

卷号：31

期号：11

起止页码：1323

中文期刊名：计算机与应用化学

外文期刊名：Computers and Applied Chemistry

收录：CSTPCD;;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；

基金：国家自然科学基金项目(U1162202;61222303);中央高校基本科研业务费;上海市"科技创新行动计划"研发平台建设项目(13DZ2295300);上海市重点学科建设项目(B504)资助

语种：中文

中文关键词：Kriging模型;序列优化;DH最大点插值法

外文关键词：Kriging surrogate model; sequential optimization method; maximizing the value of DH.

摘要：Kriging代理模型通过对某预测点周围的信息加权的线性组合来预估该点的未知信息,因其加权选择由最小化预估值的误差方差来确定而被视为最优的线性无偏估计。本文研究Kriging代理模型的序列优化,提出了一种新的加点规则—DH最大点插值法,并利用遗传算法的全局搜索能力搜索模型迭代的插值点,进而提高了Kriging模型的建模精度。
Kriging surrogate model predicted the unknown information of a point by a weighted linear combination of information around the point. Kriging surrogate model was considered to be the best linear unbiased estimator for its weighting selected by minimizing the estimated value of the error variance. This paper studied sequential optimization method for the kriging surrogate model, and then proposed a new rule for pulsing points-maximizing the value of DH. Finally, we improved modeling accuracy of kriging model by using genetic algorithms to find the model iterative interpolation points