先进的数据驱动全局优化方法与应用

本书是作者及所在课题组近年来关于数据驱动全局优化方法研究成果的总结。先介绍数据驱动优化方法的发展现状、关键技术及常用的测试函数，然后介绍基于空间缩减的全局优化方法、基于混合代理模型的全局优化方法、基于多代理模型全局优化方法、代理模型辅助的约束全局优化方法及离散全局优化方法、代理模型辅助的高维全局优化方法。本书介绍的数据驱动全局优化方法优化效率高，新颖性和优选性强，可广泛用于解决工程优化问题。
本书可供复杂机电系统设计领域的科研人员和技术人员参考，也可作为高等院校工程优化设计等专业的研究生教材。

前言
第1章 绪论
1.1 概述
1.2 数据驱动优化技术在仿真系统中的应用
1.3 数据驱动全局优化技术的发展
1.4 本章小结
参考文献
第2章 数据驱动优化构建过程
2.1 初始数据采样方法
2.1.1 传统实验设计方法
2.1.2 优化拉丁超立方实验设计方法
2.2 代理模型构造
2.3 动态采样技术
2.4 本章小结
参考文献
第3章 数据驱动优化方法基准测试函数
3.1 无约束优化算例
3.1.1 无约束低维算例
3.1.2 无约束高维算例
3.2 约束优化算例
3.2.1 约束低维算例
3.2.2 约束高维算例
3.3 工程应用算例
3.4 本章小结
第4章 基于克里金的多起点空间缩减方法
4.1 克里金代理模型构造
4.2 多起点序列二次规划算法
4.3 空间缩减策略
4.4 多起点空间缩减算法整体优化流程
4.5 算例测试
4.5.1 数学算例测试
4.5.2 工程算例测试
4.6 本章小结
参考文献
第5章 基于克里金与多项式响应面的混合代理模型全局优化方法
5.1 SOCE算法
5.1.1 SOCE的代理建模与优化
5.1.2 SOCE的初始化与迭代过程
5.1.3 基于聚类的空间探索
5.2 SOCE优化流程
5.2.1 整体优化流程
5.2.2 SOCE的参数分析
5.3 基准算例测试
5.3.1 对比实验
5.3.2 不等式约束算例对比测试
5.4 本章小结
参考文献
第6章 基于径向基函数与克里金的混合代理模型全局优化方法
6.1 HSOSR算法
6.1.1 径向基函数代理模型
6.1.2 HSOSR构建过程
6.2 对比实验
6.3 本章小结
参考文献
第7章 基于打分机制的多代理模型全局优化方法
7.1 MGOSIC算法流程
7.2 多点加点准则
7.3 探索未知区域
7.4 对比实验
7.5 本章小结
参考文献
第8章 基于空间缩减的代理模型约束全局优化方法
8.1 SCGOSR算法
8.1.1 多起点约束优化
8.1.2 约束优化的空间缩减
8.1.3 未知区域探索
8.1.4 优化流程
8.2 对比实验
8.2.1 初步测试
8.2.2 对比测试
8.2.3 深入对比和分析
8.2.4 空间缩减的具体分析
8.3 本章小结
参考文献
第9章 克里金辅助的教与学约束优化方法
9.1 教与学优化简介
9.2 KTLBO算法
9.2.1 KTLBO的初始化
9.2.2 克里金辅助教学阶段
9.2.3 克里金辅助学习阶段
9.2.4 KTLBO的整体优化框架
9.3 对比实验
9.4 工程应用
9.5 本章小结
参考文献
第10章 克里金辅助的离散全局优化方法
10.1 离散优化构建
10.1.1 多起点知识挖掘
10.1.2 约束处理
10.2 整体优化框架
10.3 算例测试
10.3.1 数学算例测试
10.3.2 工程算例测试
10.4 本章小结
参考文献
第11章 代理模型辅助的高维全局优化方法
11.1 灰狼优化算法
11.2 代理模型辅助的灰狼优化算法
11.2.1 代理模型辅助的元启发式探索
11.2.2 代理模型的知识挖掘过程
11.2.3 代理模型辅助的灰狼优化算法整体框架
11.3 算例测试
11.4 本章小结
参考文献