一种融合设计知识的采样方法技术

本发明专利技术属于信息技术服务技术领域，尤其涉及一种融合设计知识的采样方法

【技术实现步骤摘要】
一种融合设计知识的采样方法、系统、设备及终端


[0001]本专利技术属于信息技术服务
，尤其涉及一种融合设计知识的采样方法
、
系统
、
设备及终端
。

技术介绍

[0002]目前较为流行的采样方法
(
如优化拉丁方试验设计方法
、
均匀试验设计方法等
)
均是以设计空间的几何距离作为判断依据进行样本点的生成，对于已有的设计知识
(
数据库知识
、
专家知识等
)
无法进行集成，也无法实现设计知识指导下的样本点生成
。
[0003]船型优化过程中会产生大量的仿真数据，并且通过对数据进行分析可以发现会发现某些几何特征参数或设计变量对相关性能指标的影响具有一定的变化规律，如果能够合理地利用这一部分知识，对采样过程进行指导，无疑能够大幅提高优化的效率和精度
。
[0004]通过上述分析，现有技术存在的问题及缺陷为：
[0005]1.
现有的采样方法主要以设计空间的几何距离作为判断依据进行样本点的生成，无法充分利用已有的设计知识
(
数据库知识
、
专家知识等
)
进行样本点的生成和优化过程的指导
。
[0006]2.
现有的采样方法无法灵活地适应复杂的设计空间和多维度的设计变量，导致采样点分布不均匀
、
采样效率低下等问题
。
[0007]3.
现有的采样方法无法很好地处理参数间的相互作用和复杂的非线性关系，无法准确地预测设计变量对性能指标的影响
。
[0008]4.
现有的采样方法需要大量的仿真数据，计算成本高，优化效率低下，同时也有可能存在过拟合和欠拟合等问题
。

技术实现思路

[0009]针对现有技术存在的问题，本专利技术提供了一种融合设计知识的采样方法
、
系统
、
设备及终端
。
[0010]本专利技术是这样实现的，一种融合设计知识的采样方法，融合设计知识的采样方法包括：
[0011]S101
，利用已有的专家知识或数据库知识确定
Beta
分布的参数
α
和
β
的取值，构建先验参数分布；
[0012]S102
，利用满足
Beta
分布的随机数生成器，生成满足初始先验分布下的样本点；
[0013]S103
，计算性能指标，并将数据储存于数据库；
[0014]S104
，利用数据库中所有的数据计算满足相应参考分布下的样本均值和方差；
[0015]S105
，判断整个过程是否达到最大迭代次数的终止条件，若达到最大迭代次数，则退出整个过程；若未达到最大迭代次数，则利用后验参数分布推导式进行更新
。
[0016]进一步，
S101
中，若不存在专家知识或数据库知识，则直接采样均匀分布作为先验参数分布
。
[0017]进一步，
S104
中，样本的均值和方差计算公式如下：
[0018][0019][0020]式中，
H(x)
表示性能指标；表示参数分布；
T
表示时间项
。
[0021]进一步，
S105
中，后验参数分布的更新公式如下：
[0022][0023][0024]式中：
[0025][0026]ψ
＝
ζ
k
(
σ
k+1
)2+(1
‑
ζ
k
)((
σ
k
)2+(
μ
k+1
‑
μ
k
)2)。
[0027]进一步，
Beta
分布及其参数估计包括：
[0028]如果随机变量
X
服从两个形状参数
(Shape parameter)
α
(
α
>0)
和
β
(
β
>0)
的概率分布，且概率密度函数为：
[0029][0030]则称
X
服从
Beta
分布，记为
X
～
Be(
α
,
β
)
，式中
Γ
(
·
)
是
Gamma
函数，
Beta
分布的期望和方差分别为：
[0031][0032]设
X
服从
Beta
分布，则
X
的一阶原点矩和二阶原点矩分别为：
[0033][0034][0035]由样本矩估计总体矩得：
[0036][0037]解得
α
和
β
的矩估计分别为：
[0038][0039]进一步，玻尔兹曼
(Boltzmann)
参考分布包括：
[0040]为了实现优化过程中参数分布的收敛，利用玻尔兹曼
(Boltzmann)
参考分布指导
Beta
分布的参数
α
和
β
的更新
。
[0041]Boltzmann
分布的表达式为：
[0042][0043]式中，
T
k
为第
k
次迭代时的温度，当
T
k
下降到0时，
Boltzmann
分布会收敛到一个只关注最优方案的退化分布
。Boltzmann
分布的特点是：随着迭代的进行，最优解附近的方案会以越来越高的概率被抽取
。
[0044]Boltzmann
选取方案的表达式为：
[0045][0046]进一步，后验参数分布更新包括：
[0047]在
Beta
参数分布下的参数更新公式进行推导，若采用的参数分布为
Beta
分布：
[0048][0049]式中，和分别是第
k
次迭代第
i
个变量的参数，
Beta
分布的均值和方差分别为：
[0050][0051][0052]利用混合分布将参考分布映射到便于抽样的参数分布，公式如下：
[0053][0054]式中，
k
为迭代数，系数
ζ
k
∈(0,1]，是参数分布；
[0055]采用混合概率分布既保留了参考分布
...

【技术保护点】

【技术特征摘要】
1.
一种融合设计知识的采样方法，其特征在于，融合设计知识的采样方法包括：
S101
，利用已有的专家知识或数据库知识确定
Beta
分布的参数
α
和
β
的取值，构建先验参数分布；
S102
，利用满足
Beta
分布的随机数生成器，生成满足初始先验分布下的样本点；
S103
，计算性能指标，并将数据储存于数据库；
S104
，利用数据库中所有的数据计算满足相应参考分布下的样本均值和方差；
S105
，判断整个过程是否达到最大迭代次数的终止条件，若达到最大迭代次数，则退出整个过程；若未达到最大迭代次数，则利用后验参数分布推导式进行更新
。2.
如权利要求1所述的融合设计知识的采样方法，其特征在于，
S101
具体的实现方法为：
1)
收集已有的专家知识或数据库知识，包括设计变量的取值范围
、
变量之间的关系
、
历史数据；
2)
根据收集到的知识，确定
Beta
分布的参数和的取值，例如可以使用最大似然估计或贝叶斯方法计算
Beta
分布的参数；
3)
构建先验参数分布，即将
Beta
分布的参数代入
Beta
分布公式中，得到先验概率密度函数；
S102
具体的实现方法为：
1)
利用
Beta
分布的随机数生成器，生成满足
Beta
分布的随机数；
2)
将生成的随机数代入设计变量中，得到初始样本点；
3)
根据需要生成的样本点数量，重复执行步骤1和步骤2，生成所需数量的样本点；
S103
具体的实现方法为：
1)
将生成的样本点代入相应的仿真模型中进行仿真计算；
2)
根据仿真结果计算性能指标；
3)
将样本点和对应的性能指标储存于数据库中；
S104
具体的实现方法为：
1)
从数据库中读取所有已有的样本点和对应的性能指标；
2)
根据样本点的分布情况，选择相应的参考分布，例如正态分布
、Beta
分布；
3)
利用已有的数据计算满足相应参考分布下的样本均值和方差，作为后验分布的参数；
S105
具体的实现方法为：
1)
判断是否达到最大迭代次数，若达到则退出整个过程；若未达到，则继续进行优化；
2)
根据已有的数据和后验分布的参数，利用贝叶斯公式推导式计算后验分布的参数；
3)
利用计算得到的后验分布的参数，生成新的样本点；
4)
重复执行
S103
和
S104
，计算新的样本点对应的性能指标和后验分布的参数；
5)
返回步骤1，直至达到最大迭代次数或满足其他终止条件
。3.
如权利要求1所述的融合设计知识的采样方法，其特征在于，
S104
中，样本的均值和方差计算公式如下：
式中，
μ
表示均值；
σ
表示方差；
T
表示时间项；
Λ
表示数据集；
H(x)
表示性能指标；
e
表示自然常数；表示参数分布；
T
表示时间项
。4.
如权利要求1所述的融合设计知识的采样方法，其特征在于，
S105
中，后验参数分布的更新公式如下：的更新公式如下：式中：
ψ
＝
ζ
k
(
σ
k+1
)2+(1
‑
ζ
k
)((
σ
k
)2+(
μ
k+1
‑
μ
k
)2)。5.
如权利要求1所述的融合设计知识的采样方...

【专利技术属性】
技术研发人员：刘祖源，郑强，冯佰威，常海超，詹成胜，程细得，肖吕戈，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：