基于主动学习的树状高斯过程建模与参数优化

来源：系统工程与电子技术杂志2025年第6期北京时间：

作者：冯泽彪, 杨旭, 汪建均

单位：1. 南京邮电大学管理学院, 江苏 南京 210003；2. 南京理工大学经济管理学院, 江苏 南京 210094

摘要：针对非平稳响应的稳健参数设计问题, 在树状高斯过程(treed Gaussian process, TGP)建模的框架下, 提出基于主动学习算法的稳健参数优化模型。首先, 综合运用D-optimal和Expected Improvement设计策略, 构建主动学习算法, 以改善设计点的空间填充性能和优化性能。然后, 利用贝叶斯分层建模方法构建模型结构, 以估计输入和输出之间的非平稳函数关系。最后, 利用TGP模型输出, 构建基于质量损失函数的稳健参数优化模型。利用遗传算法(Genetic algorithm, GA)进行全局优化, 以获得最优输入参数设置。仿真结果表明, 所提方法所得最优解具有更小的质量损失和预测偏差, 改善了最优解潜在区域的预测精度, 降低了预测响应的不确定性, 进而提升了非平稳响应稳健优化结果的有效性。

关键词：非平稳响应,稳健参数设计,树状高斯过程模型,主动学习算法,质量损失

基金资助：国家自然科学基金(72301146);国家自然科学基金(72171118);国家自然科学基金(71931006);全国统计科学研究项目(2024T170430);中国博士后科学基金面上项目(2023M741802);江苏省高校自然科学基金面上项目(23KJB630012)