一种代理模型辅助下的优化方法

本发明公开了一种代理模型辅助下的优化方法，来解决小样本情况下的复杂优化黑箱问题，提高样本的有效性。首先提出样本筛选法则、区域差异性度量和差异聚焦加点法则改进的基于约束加点的Kriging模型，并提出了一种利用混合分布随机数和自适应更新策略改进的多目标Jaya算法(Improved Multi‑objective Jaya algorithm，IMOJaya)，再通过两种算法的集成，形成一种高效的代理模型辅助优化算法—IKrJaya优化算法，该方法可以对需要进行大量耗时的有限元仿真分析或成本昂贵的物理实验过程才能获得复杂目标函数的方法进行代替，综合利用算法的寻优能力与模型精确模拟复杂的优化问题特征，适用于解决在样本数量有限时，需要优化参数值以达到最佳性能的复杂优化问题，从而提升优化过程的稳健性。