Застосування MLP-метамоделей в задачах сурогатної оптимізації

Abstract

Розроблена обчислювальна технологія побудови метамоделей, що використовує сучасні досягнення в області теорії планування експерименту, інтелектуального аналізу даних і штучного інтелекту та визначені експериментальним шляхом закономірності, які дозволяють ефективно виконувати побудову метамоделей. Побудова метамоделей виконана на чисельних прикладах з функцією цілі, яка залежить від двох змінних. В якості плану експерименту використано генератор точок, що заповнює простір пошуку та в процесі реалізації якого використовуються ЛПτ-послідовності Соболя. Встановлено, що збільшенням кількості точок плану експерименту та кількості прихованих нейронів до певного рівня, параметри метамоделей покращуються; використання різних слабко корельованих ЛПτ-послідовностей з їх повного набору суттєво не впливають на показники якості кінцевої метамоделі. Результати чисельних експериментів свідчать про можливість використання запропонованої обчислювальної технології побудови MLPметамоделей для апроксимації первинних функцій цілі з достатньо складною поверхнею відгуку