一种基于kriging代理模型加点策略的多目标粒子群优化算法

摘要

本发明公开一种基于kriging代理模型加点策略的多目标粒子群优化算法，包括步骤1：获得初始样本点处的目标函数和约束函数；步骤2：基于Kriging模型构建多目标粒子群适应度函数，获取目标函数和约束函数的预测值的误差函数和复杂程度函数；步骤3：初始化粒子的位置和速度；步骤4：对所有粒子的位置和速度进行更新；进行支配关系比较获取非劣质解储备解集；步骤5：在维护后的所述非劣质解储备解集中，获取每个非劣质解的置信度评估函数：升序排序后提取前30％构成近似Pareto前沿解集；步骤6：获取近似Pareto前沿解集中每个粒子的EIM