混合Kriging代理模型的高维参数估计优化算法

来源：大连理工大学学报杂志2015年第2期北京时间：

作者：王红,[王希诚],李克秋

摘要：基于Kriging代理模型的优化算法对于解决函数计算昂贵的优化问题非常有效，但并不适用于高维参数的优化．针对该问题，提出了一个混合Kriging代理模型和多种优化技术的算法．该算法在Kriging模型选择新样例点时使用单维参数独立优化以克服维度灾难并提高收敛速度，同时基于已构建的Kriging代理模型信息提出一种新的动态坐标扰动策略，并将该策略用于高维参数优化以得到更好的目标函数值．为了保证不丢失全局最优解，在使用一般期望提高加点策略作为选点原则时，在期望函数的多个峰值同时选点．为了验证算法的有效性，将该算法应用于具有41维参数的人类白细胞代谢网络参数估计问题．实验结果表明，在有限的迭代次数下，该算法能产生较小的目标函数值，以及和实验拟合较好的参数估计结果．

关键词：Kriging代理模型高维参数估计有限的计算资源一般期望提高

基金资助：国家自然科学基金资助项目(11072048)；“九七三”国家重点基础研究发展计划资助项目(2009CB918501)；辽宁省教育厅科学研究一般项目(L2013519).