动力系统优化的替代模型-研究论文

在动力系统复杂性增加的驱动下，通过数值模拟求解优化问题中的微分方程组的方法在计算上变得昂贵。 本文提供了一种智能的数据驱动机制来构建低维替代模型。 这些替代模型通过使用从真实目标函数的评估得出的训练实例，减少了解决复杂优化问题的计算时间。 替代模型是使用适当的正交分解和径向基函数的组合构建的，并通过简单的矩阵乘法提供系统响应。 使用相对最大绝对误差作为近似精度的量度，它显示了具有拉丁超立方体采样和样条径向基函数的替代模型在优化的计算时间中控制了变量阶方法，同时保持了精度。 这些替代模型在模型非线性的情况下也显示出鲁棒性。 因此，这些计算有效的预测替代模型可应用于各个领域，特别是解决逆问题和最优控制问题，本文将举例说明一些例子。