关于改进EGO算法在黑箱函数全局最优化中的应用研究.pdf

简介：
本文探讨了EGO（高效全局优化）算法在处理黑箱函数全局最优化问题上的改进方法，旨在提高搜索效率和解的质量。通过理论分析与实验验证相结合的方式，提出了一系列针对性强的改进策略，并展示了这些改进措施的实际应用效果及其潜在价值。 基于Kriging模型的EGO算法是一种适用于黑箱函数求极值的全局最优化方法，但该算法在应用过程中忽视了对Kriging模型精度控制的问题。为了弥补这一不足，研究者提出了一种新的迭代函数，在保持原有功能的同时兼顾提高Kriging模型的准确性与寻优效果，并将改进后的EGO算法应用于五个测试函数及一个存货模型中进行验证。通过比较改进前后算法在Kriging模型精度和优化结果方面的表现发现，经过改良后的EGO算法不仅提升了最终形成的Kriging模型的精确度，在对目标函数仅作少量估值的情况下也能找到更为全局化的最优解。