代理优化

使用自动构造的代理模型搜索全局最优

代理优化是一种应用于黑盒模型的优化方法,计算成本很高。通过迭代构建替代模型,可以比黑盒模型更快地进行评估,优化器可以在更短的时间内执行更广泛的搜索和更多的评估,增加找到全局最优的机会。这种方法被广泛应用于诸如优化设计.的全局优化工具箱™在MATLAB®提供可以辅助这些应用程序的代理优化解决程序。

黑盒模型将输入与输出关联起来,而不暴露模型的内部工作方式。工程师使用代理模型来确定黑箱模型的最佳参数,这些黑箱模型需要运行模拟,训练机器学习模型,或解决FEA/CFD模型,其中的参数是连续和离散的。

另一种方法是构建代理模型,例如降阶模型(ROM),然后对代理模型进行优化。

MATLAB提供功能代理优化,以及应用程序示例,如电路天线,current-carry电缆设计。

代理优化的工作原理

代理优化算法从一组随机生成或作为数据提供的点开始。优化器在这些点评估黑盒模型,并通过拟合或插值构建初始代理模型。

该算法在每次迭代时生成多个候选点。优化器按a计算点优值函数这通常包括代理模型的客观值和标准,如可行性的度量、预期的改进和解决方案空间的覆盖率。优化器可以使用本地搜索或非线性优化改进候选集。用黑箱模型评估最佳候选项,并使用其值更新代理模型。

MATLAB图形说明优化过程中的代理模型构建。(左)代理模型插值在黑箱模型上评估的初始点。(中)替代模型评价候选点,确定最佳点。(右)在黑盒模型上评估的最佳点,用于更新代理模型。

有关代理优化的更多信息,请参见全局优化工具箱统计和机器学习工具箱™。



软件参考

参见:全局优化工具箱优化工具箱统计和机器学习工具箱非线性规划遗传算法autoML