支持向量机替代模型的遗传优化设计

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

支持向量机替代模型的遗传优化设计

向国齐, 严志坚, 黄大贵

文章导航 > 电子科技大学学报 > 2009 > 38(3): 459-462

向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计[J]. 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

引用本文:

向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计[J]. 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

XIANG Guo-qi, YAN Zhi-jian, HUANG Da-gui. Genetic Optimization Design Based on Support Vector Regression Metamodeling[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

Citation:

XIANG Guo-qi, YAN Zhi-jian, HUANG Da-gui. Genetic Optimization Design Based on Support Vector Regression Metamodeling[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

支持向量机替代模型的遗传优化设计

doi: 10.3969/j.issn.1001-0548.2009.03.034

1.
电子科技大学机械电子学院成都 610054;
2.
中国电子科技集团公司第十研究所成都 610036;
3.
攀枝花学院机电学院四川攀枝花 617000

基金项目:

国家973重大基础研究项目(613580202)

作者简介:
向国齐(1974-)，男，博士生，主要从事智能机电系统、机电耦合等方面的研究.

中图分类号: TH122

Genetic Optimization Design Based on Support Vector Regression Metamodeling

1.
School of Mechatronics Engineering,University of Electronic Science and Technology of China Chengdu 610054;
2.
Southwest Institution of Electronic Technology Chengdu 610036;
3.
School of Mechanical Engineering,Panzhihua University Panzhihua Sichuan 617000

摘要: 针对实际工程中常见的性能函数不能显式表示的优化问题，提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点，通过实验或数值仿真获得响应输出，结合遗传算法构建具有参数优化功能的支持向量机替代模型；将支持向量机模型作为目标性能函数，结合其他约束条件完成优化模型的建立，并应用遗传算法进行优化，形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例，采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本，建立功分器模型的幅度比、相位差和驻波3个响应面目标函数，并对该多目标优化问题进行遗传寻优。
- 遗传算法 /
- 代理模型 /
- 优化设计 /
- 支持向量机
Abstract: Aiming at the optimization design problem with implicit objective performance functions, a genetic optimization design method based on the support vector regression (SVR) metamodeling is proposed. Appropriate design parameter samples are selected by experimental design theories, and the response samples are obtained from the experiments or numerical simulations. By applying the genetic algorithm (GA) to optimize the parameters of SVR, the metamodel is constructed and treated as the objective performance functions. In combination with other constraints, the optimization model is formed and solved by GA. The structure optimization of a microwave power divider is adopted as an example to illustrate the effectiveness of this design method. The learning samples are obtained from uniform design theory and the high frequency electromagnetic field finite element analysis codes (HFSS). Three response-surface objective functions for the magnitude, phase, and VSWR of the microwave power divider model are obtained and the multi-objective optimization problem is solved.
- genetic algorithm /
- metamodeling /
- optimization design /
- support vector machine

[1]	周成宁, 肖宁聪, 李兴国, 张军. 基于环形抽样代理模型的结构可靠性分析方法 . 电子科技大学学报, 2021, 50(1): 155-160. doi: 10.12178/1001-0548.2019219
[2]	肖宁聪, 袁凯, 王永山. 基于序列代理模型的结构可靠性分析方法 . 电子科技大学学报, 2019, 48(1): 156-160. doi: 10.3969/j.issn.1001-0548.2019.01.023
[3]	王晓丽, 王宇平, 蔡坤, 赖俊凡. 考虑处理机下线时间的可分任务调度优化模型 . 电子科技大学学报, 2017, 46(1): 88-95. doi: 10.3969/j.issn.1001-0548.2017.01.014
[4]	张民, 贾海涛, 沈震. 基于遗传算法改进的粒子滤波重采样模型 . 电子科技大学学报, 2015, 44(3): 344-349. doi: 10.3969/j.issn.1001-0548.2015.03.005
[5]	刘忠宝. 新型支持向量机在风速预测模型中的应用研究 . 电子科技大学学报, 2014, 43(5): 754-757. doi: 10.3969/j.issn.1001-0548.2014.05.021
[6]	万建臣, 靳宗信. 多峰值函数优化问题的免疫遗传算法求解 . 电子科技大学学报, 2013, 42(5): 769-772. doi: 10.3969/j.issn.1001-0548.2013.05.024
[7]	郑世明, 高志年, 韦伟, 苗壮, 邵荣明. 基于云模型的网格任务调度遗传算法研究 . 电子科技大学学报, 2012, 41(6): 911-915. doi: 10.3969/j.issn.1001-0548.2012.06.018
[8]	熊彦铭, 毛凌, 杨战平. 基于遗传算法的时间决策系统标定优化方法 . 电子科技大学学报, 2012, 41(1): 80-84. doi: 10.3969/j.issn.1001-0548.2012.01.016
[9]	丁世飞, 齐丙娟, 谭红艳. 支持向量机理论与算法研究综述 . 电子科技大学学报, 2011, 40(1): 2-10. doi: 10.3969/j.issn.1001-0548.2011.01.001
[10]	张雪芹, 顾春华, 吴吉义. 异常检测中支持向量机最优模型选择方法 . 电子科技大学学报, 2011, 40(4): 559-563. doi: 10.3969/j.issn.1001-0548.2011.04.017
[11]	陈世杰, 连可, 王厚军. 遗传算法优化的SVM模拟电路故障诊断方法 . 电子科技大学学报, 2009, 38(4): 553-558. doi: 10.3969/j.issn.1001-0548.2009.04.019
[12]	杨波, 徐渊, 朱明程, 李广军. 一种改进的遗传算法进化有限状态机 . 电子科技大学学报, 2007, 36(2): 196-198,209.
[13]	王志红, 杜平安, 郭志龙, 梁山虎. 基于遗传算法与动态规划法的工艺过程优化 . 电子科技大学学报, 2007, 36(1): 146-149.
[14]	王瑞平, 万柏坤, 高上凯. 使用遗传算法的乳腺微钙化点特征优化 . 电子科技大学学报, 2007, 36(1): 137-139,153.
[15]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[16]	高源慈, 雷文强, 赵德双, 刘述章. 遗传算法对多层旋波媒质本构关系的优化 . 电子科技大学学报, 2001, 30(6): 580-584.
[17]	吴斌. 控制系统的最经济智能实现 . 电子科技大学学报, 2001, 30(4): 396-400.
[18]	周小英, 王华, 姚伯威. 遗传算法在模糊控制规则优化中的实现 . 电子科技大学学报, 2000, 29(2): 161-163.
[19]	饶克谨, 苟益. 电路模拟吸收体的遗传算法设计 . 电子科技大学学报, 2000, 29(1): 54-60.
[20]	吴斌, 王昕. 现场总线控制系统信息通道结构分析与优化设计 . 电子科技大学学报, 2000, 29(5): 525-530.

WeChat

点击查看大图

计量

文章访问数: 3384
HTML全文浏览量: 125
PDF下载量: 56
被引次数: 0

支持向量机替代模型的遗传优化设计

doi: 10.3969/j.issn.1001-0548.2009.03.034

1. 电子科技大学机械电子学院成都 610054;

2. 中国电子科技集团公司第十研究所成都 610036;

3. 攀枝花学院机电学院四川攀枝花 617000

基金项目:

国家973重大基础研究项目(613580202)

作者简介:
向国齐(1974-)，男，博士生，主要从事智能机电系统、机电耦合等方面的研究.

收稿日期: 2008-02-20
修回日期: 2008-11-25
刊出日期: 2009-06-15

中图分类号: TH122

关键词:

摘要: 针对实际工程中常见的性能函数不能显式表示的优化问题，提出一种基于支持向量机替代模型的遗传优化设计方法。利用试验设计选取合适的设计参数样本点，通过实验或数值仿真获得响应输出，结合遗传算法构建具有参数优化功能的支持向量机替代模型；将支持向量机模型作为目标性能函数，结合其他约束条件完成优化模型的建立，并应用遗传算法进行优化，形成一套准确、高效、适应性强的优化方法。以典型电子装备功分器的结构尺寸优化为例，采用均匀试验设计和高频电磁场仿真软件HFSS获取替代模型训练的学习样本，建立功分器模型的幅度比、相位差和驻波3个响应面目标函数，并对该多目标优化问题进行遗传寻优。

English Abstract

向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计[J]. 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

引用本文:

向国齐, 严志坚, 黄大贵. 支持向量机替代模型的遗传优化设计[J]. 电子科技大学学报, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

XIANG Guo-qi, YAN Zhi-jian, HUANG Da-gui. Genetic Optimization Design Based on Support Vector Regression Metamodeling[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

Citation:

XIANG Guo-qi, YAN Zhi-jian, HUANG Da-gui. Genetic Optimization Design Based on Support Vector Regression Metamodeling[J]. Journal of University of Electronic Science and Technology of China, 2009, 38(3): 459-462. doi: 10.3969/j.issn.1001-0548.2009.03.034

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发