基于Bayesian期望改进控制和Kriging模型的并行代理优化方法
来源：计算机集成制造系统杂志2025年第4期北京时间：
作者：杜晨, 林成龙, 马义中, 石雨葳
单位：南京理工大学经济管理学院
摘要：针对经典期望改进策略因过于贪婪而易于陷入局部最优,以及Kriging模型十分适用于并行优化的特点,提出了基于Kriging模型和Bayesian期望改进控制的并行代理优化方法。实现过程中,Kriging模型在小样本条件下,建立输入与输出见的近似函数关系。所提出的Bayesian期望改进控制策略充分利用Kriging模型对未试验点预测不确定性的度量能力,首先利用经典期望改进策略选取第一个试验点,并将其作为控制参考点;然后,借助所构造的控制函数更新贝叶斯期望改进控制策略,并将新增加试验点作为下个试验点选取的控制参考点。所提策略可以在提升全局探索能力的同时,使新试验点具有良好的空间分布特性。此外,借助控制函数调整方法,构建了两种拓展的Bayesian期望改进控制策略。数值算例及仿真案例结果表明:相比单点填充,Bayesian期望改进控制策略更高效;所提并行代理优化方法在同等精度条件下具有更好的稳健性及更快的收敛速度。
关键词：期望改进策略,Bayesian期望改进控制,控制函数,Kriging模型,并行代理优化方法
基金资助：国家自然科学基金资助项目(71931006,71871119);江苏省研究生科研与实践创新计划资助项目(KYCX23_0533)。
