一種改進的DIVRECT優化算法的制作方法

技術特征：

1.一種改進的DIVRECT優化算法，其特征在于，包括以下步驟：

步驟一：初始采樣：按照標準DIVRECT算法進行采樣；

步驟二：識別潛在最優超立方體，函數估值；

步驟三：識別最優域；

步驟四：收集最優域內采樣點，獲取采樣點信息矩陣對應的函數值，構建元模型；

步驟五：搜索最佳點，并進行函數估值，判斷該值是否為當前最優值；

步驟六：判斷是否滿足收斂條件：如滿足則退出循環，否則轉向步驟二。

2.根據權利要求1所述的改進的DIVRECT優化算法，其特征在于，在步驟一中，標準DIVRECT算法具體步驟為：

1)將搜索空間進行歸一化處理為單位超立方，設q_i為中心點，并對函數f(q₁)估值，同時，令f_min＝f(q₁)，c＝1，迭代初值t＝0，迭代次數為T；

2)識別潛在最佳超立方，放入集合S，并選擇任意超立方j∈S；

3)細分超立方體，從超立方體j處采樣并對超立方體進行更小的子超立方體細分。更新f_min，令c＝c+Δc，Δc為新采樣點個數；

4)設S＝S-{j}，如跳至步驟2)；

5)t＝t+1，若t＝T，停止搜索，否則轉至2)。

3.根據權利要求2所述的改進的DIVRECT優化算法，其特征在于，進一步的，在3)中，細分超立方體的具體步驟為：

(1)設最長邊維度集合為M；

(2)對點c+δe_i采樣并進行函數估值，其中，i∈M，c—超立方體中心點，e_i—第i個單位向量；

(3)沿M中維度細分包含點c的超立方體為3部分，先沿w值最小維度，然后再沿第二小w值細分，直到最大的w_i值，其中，w＝min{f(c+δe_i),f(c-δe_i)}。

4.根據權利要求1所述的改進的DIVRECT優化算法，其特征在于，在步驟二中，識別潛在最佳超立方體的條件為：一超立方體細分為n個超立方體單元，設a_i為第i個單元中心點，b_i為中心點與頂點之間距離，若有δ＞0，使得超立方體j滿足

5.根據權利要求1所述的改進的DIVRECT優化算法，其特征在 于，在步驟三中，識別最優域時首先定義超立方體區域密度式中，S—定義域內任一區域；V(S)—超立方體空間體積；—S域內采樣點；—采樣點個數，識別最優域算法步驟為：

1)根據式求整個定義域內平均域密度找出函數值最小的當前采樣點，即為當前最佳點；

2)求最佳點與非最佳點之間的歐氏距離，對非最佳點集進行排序；從集合當前位置cur算出點的坐標值，計算其與前一點間擴展區域；

3)利用式求擴展區域密度ρ_i，如則為最優域并退出循環；

4)令cur＝cur+1，如cur小于非最佳點集合個數，轉向2)，否則退出循環。

6.根據權利要求1所述的改進的DIVRECT優化算法，其特征在于，在步驟四中，構造元模型的方法為：

1)選擇徑向基函數：選擇依據為目標函數的具體特征；

2)采樣點的生成：收集最優域內的采樣點，然后對其進行函數估算，從而得到對應響應值；

3)將m個采樣點x_i及對應響應值f代入不同的徑向基函數得出線性方程組；

4)對線性方程組求解，得出不同基函數對應權重系數λ＝[λ₁,λ₂,...,λ_n]^T，再次將采樣點x_i代入對應方程組即可得出元模型確 切表達式。

7.根據權利要求1所述的改進的DIVRECT優化算法，其特征在于，在步驟五中，搜索最優點的方法：在元模型上調用Matlab的內置函數function進行，并對最優點調用源模型進行函數估值，如該值小于DIVRECT所有采樣點中最小的函數值，則該值為當前最優值。

8.根據權利要求1所述的改進的DIVRECT優化算法，其特征在于，在步驟六中，收斂條件下列三個條件其中之一：(1)當前最優值與預設目標優化值誤差小于δ；(2)三次迭代的最優值之差小于δ；(3)超過預設函數估值次數，其中，δ—預設極小數。