张锡,杨希祥,张为华,武泽平,赵海龙,王鹏宇
国防科技大学空天科学学院,湖南长沙 410073
代理模型在空间科学、结构分析、多学科设计优化等诸多工程优化问题中扮演着越来越重要的作用。计算流体力学建模中耗时持久的计算可用代理模型替代,显著提高计算效率。此外,代理模型可集成全局寻优、数值噪声过滤、并行设计优化和数值仿真于一体,提高工程设计效率【1-8】。代理模型又称为响应面模型、近似模型、元模型等。在诸多代理模型中,Kriging 模型因在分析和预测多维、高度非线性问题时显示出了优良的准确性而受到越来越多学者的青睐【9-12】。基于Kriging 模型的改进模型也越来越多,CoKriging模型【13-19】、梯度增强GEKriging模型等【20-23】。在提高代理模型建模效率方面,CoKriging模型结合不同精度的样本数据提供了一种非常有吸引力的选择。本文对CoKriging模型进一步改进构建了ICoKriging模型(improved CoKriging),并通过数值试验和超声速优化问题检验该模型的有效性。
对一个m维优化问题,CoKriging模型是仅设计高可信度和低可信度抽样。这里,对此设计进行改进,

其中n1、n2、n3是高中低可信度样本点数。(S1,y1),(S2,y2),(S3,y3)是各采样空间的样本点,我们将其重新表述为

假设最后模型的输出可用y1,y2,y3的线性组合近似,于是ICoKriging 模型在x对y1(x)的预测值可表述为


通过矩阵求导方法,可得到如下方程组

作如下变换

可得

令

在ICoKriging 模型中,需要设置相关函数R()ij的具体形式,该函数反映了不同精度样本对模型……