Comparative Studies of Surrogate Models Based on Multiple Evaluation Criteria

Abstract

摘要： 代理模型是指利用有限的样本信息建立结构输入与输出之间的数学关系，其在复杂装备的结构和多学科设计优化中的应用日益广泛，为了获取不同代理模型在代替仿真分析或物理试验时的表现效果，采用38个测试函数对常见的代理模型方法进行了系统对比。对九种代理模型在不同样本数量、不同非线性程度、不同维度的测试函数下的预测精度进行研究，并分析了模型在不同维度测试问题下的计算成本，最后通过两个工程实例对比了不同代理模型的预测性能。结果表明，在所有模型未进行参数优化的情况下，传统的代理模型(多项式回归，径向基函数模型，支持向量回归，克里金模型)在工程分析时能保持较好的预测性能；支持向量回归在大多数测试函数下，总能保持较好的预测精度；径向基函数在高非线性问题中鲁棒性最好，随机森林在低非线性问题中表现出更好的鲁棒性。因此，针对不同的回归问题，采用相适应的模型能进一步提高计算结果的准确性和效率，对研究回归模型在优化设计领域中的应用具有指导意义。

Topics & Concepts