公开(公告)号：CN105335619B

公开(公告)日：2019-02-01

申请号：CN201510762481.4

申请日：2015-11-10

申请人： 广西大学

发明人： 苏国韶 ,  尹宏雪 ,  胡李华 ,  姜山 ,  江权 ,  程纲为

IPC分类号： G06F17/50 ,  G06N3/12

摘要： 本发明公布了一种适用于高计算代价参数优化问题的协同优化方法，该方法针对高计算代价问题的数值模拟中参数难以优化的问题，将实际可以监测到的某物理量与数值计算模型对应的此物理量计算值的差值作为目标函数，将信息向量机(IVM)优异的小样本学习能力与回溯搜索算法(BSA)优异的全局寻优能力相结合，可以快速得到较为符合实际的参数。实际算例表明，与随机全局优化算法相比，本方法在相同的时间内得到的参数更加符合实际情况。本发明方法对高计算代价的参数优化问题具有较强的适用性，具有高效快速、简易实用的优点。

公开(公告)号：CN105335619A

公开(公告)日：2016-02-17

申请号：CN201510762481.4

申请日：2015-11-10

申请人： 广西大学

发明人： 苏国韶 ,  尹宏雪 ,  胡李华 ,  姜山 ,  江权 ,  程纲为

IPC分类号： G06F19/00 ,  G06N3/12

摘要： 本发明公布了一种适用于高计算代价参数优化问题的协同优化方法，该方法针对高计算代价问题的数值模拟中参数难以优化的问题，将实际可以监测到的某物理量与数值计算模型对应的此物理量计算值的差值作为目标函数，将信息向量机(IVM)优异的小样本学习能力与回溯搜索算法(BSA)优异的全局寻优能力相结合，可以快速得到较为符合实际的参数。实际算例表明，与随机全局优化算法相比，本方法在相同的时间内得到的参数更加符合实际情况。本发明方法对高计算代价的参数优化问题具有较强的适用性，具有高效快速、简易实用的优点。