基于多层次期望提升准则的多保真度贝叶斯优化方法

本发明公开了基于多层次期望提升准则的多保真度贝叶斯优化方法，包括S1：初始化样本集；S2：利用数据集构建MLGP模型；S3：使用多层次EI准则序贯采点，并迭代优化；S4：判断是否达到停止条件，若达到，输出结果；若未达到停止条件，更新代理模型，回到S2，继续循环；现有方法的优化精度取决于高保真度数据的样本量，不能最大发挥出若干个低保真系统的辅助作用；同时，现有方法在trade‑off的选择上一般偏向于启发式，即下一个采点的保真度水平不具有很强的解释性；而本发明所提供的优化算法会选择较少的高精度样本点，以达到全局优化的目，且本发明所提出的序贯准则LEI具有解析的表达形式，且每一水平的保真度对整体的贡献都是清晰的，具有很强的解释性。