请问一个优化算法选择的问题
如果要对一个rsm模型以及kriging模型寻优,分别用什么样的算法比较好,既不容易陷入局部最优,效率又比较高的。谢谢了 既然采用在近似面上优化,那么效率都很高的,可以考虑遗传算法加数值优化算法,如:MIGA+NLPQL等 请问楼主,你的isight软件在哪里下载的,怎么让同学在哈工大网站上面找不到呢,能不能给我传一份,谢谢, 2# jacicka1984非常感谢了,我在论文上就看见了这样的组合方法,我用NLPQL优化Kriging模型了,得到的结果的确是有部分优化,但是跟所寻找到的最优的结果还有相当的距离。谢谢你能不能稍微再具体说点这个GA+NLPQL是怎么个结合起来,也就是说在已经用DOE建立近似面后,算法GA和NLPQL都怎么设置,两个算法怎么结合起来呢,两个都要勾选上近似面模型还是就NLPQL勾选上呢?非常感谢了啊! 你在设置优化方法的对话框里面添加两个step就可以实现两种算法均在近似面上优化,具体见下图:file:///D:/优化组合.png 本帖最后由 jacicka1984 于 2009-4-10 12:26 编辑
晕,图片发不上去,挂个附件吧,这种优化的策略即:GA算法做全局优化,得到一个全局最优解,然后赋给数据优化算法进行局部寻优。在近似面上优化的话,GA可设置更多的population和更多的代,这样结果会好很多 6# jacicka1984
非常感谢了!是不是将这两个step都勾选上后面的approximation后,在做完GA全局寻优后他就自动把一个全局最优解解赋给了后面做NLPQL的初值啊,不用什么其他的设置吧。还有GA一般取几代,几个岛,几个子个数比较好呢?
页:
[1]