●前言
第1章 緒論
1.1 概述
1.2 數據驅動優化技術在仿真繫統中的應用
1.3 數據驅動全局優化技術的發展
1.4 本章小結
參考文獻
第2章 數據驅動優化構建過程
2.1 初始數據采樣方法
2.1.1 傳統實驗設計方法
2.1.2 優化拉丁超立方實驗設計方法
2.2 代理模型構造
2.3 動態采樣技術
2.4 本章小結
參考文獻
第3章 數據驅動優化方法基準測試函數
3.1 無約束優化算例
3.1.1 無約束低維算例
3.1.2 無約束高維算例
3.2 約束優化算例
3.2.1 約束低維算例
3.2.2 約束高維算例
3.3 工程應用算例
3.4 本章小結
第4章 基於克裡金的多起點空間縮減方法
4.1 克裡金代理模型構造
4.2 多起點序列二次規劃算法
4.3 空間縮減策略
4.4 多起點空間縮減算法整體優化流程
4.5 算例測試
4.5.1 數學算例測試
4.5.2 工程算例測試
4.6 本章小結
參考文獻
第5章 基於克裡金與多項式響應面的混合代理模型全局優化方法
5.1 SOCE算法
5.1.1 SOCE的代理建模與優化
5.1.2 SOCE的初始化與迭代過程
5.1.3 基於聚類的空間探索
5.2 SOCE優化流程
5.2.1 整體優化流程
5.2.2 SOCE的參數分析
5.3 基準算例測試
5.3.1 對比實驗
5.3.2 不等式約束算例對比測試
5.4 本章小結
參考文獻
第6章 基於徑向基函數與克裡金的混合代理模型全局優化方法
6.1 HSOSR算法
6.1.1 徑向基函數代理模型
6.1.2 HSOSR構建過程
6.2 對比實驗
6.3 本章小結
參考文獻
第7章 基於打分機制的多代理模型全局優化方法
7.1 MGOSIC算法流程
7.2 多點加點準則
7.3 探索未知區域
7.4 對比實驗
7.5 本章小結
參考文獻
第8章 基於空間縮減的代理模型約束全局優化方法
8.1 SCGOSR算法
8.1.1 多起點約束優化
8.1.2 約束優化的空間縮減
8.1.3 未知區域探索
8.1.4 優化流程
8.2 對比實驗
8.2.1 初步測試
8.2.2 對比測試
8.2.3 深入對比和分析
8.2.4 空間縮減的具體分析
8.3 本章小結
參考文獻
第9章 克裡金輔助的教與學約束優化方法
9.1 教與學優化簡介
9.2 KTLBO算法
9.2.1 KTLBO的初始化
9.2.2 克裡金輔助教學階段
9.2.3 克裡金輔助學習階段
9.2.4 KTLBO的整體優化框架
9.3 對比實驗
9.4 工程應用
9.5 本章小結
參考文獻
第10章 克裡金輔助的離散全局優化方法
10.1 離散優化構建
10.1.1 多起點知識挖掘
10.1.2 約束處理
10.2 整體優化框架
10.3 算例測試
10.3.1 數學算例測試
10.3.2 工程算例測試
10.4 本章小結
參考文獻
第11章 代理模型輔助的高維全局優化方法
11.1 灰狼優化算法
11.2 代理模型輔助的灰狼優化算法
11.2.1 代理模型啟發式探索
11.2.2 代理模型的知識挖掘過程
11.2.3 代理模型輔助的灰狼優化算法整體框架
11.3 算例測試
11.4 本章小結
參考文獻
