| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 全局优化算法简介 | 第11-13页 |
| 1.2 较高维、计算耗时优化问题 | 第13-14页 |
| 1.3 EGO简介 | 第14页 |
| 1.4 国内外研究现状 | 第14-16页 |
| 1.5 论文结构安排 | 第16-17页 |
| 第二章 预备工作 | 第17-34页 |
| 2.1 优化问题 | 第17-19页 |
| 2.1.1 优化问题发展历史 | 第17页 |
| 2.1.2 优化问题的表述 | 第17-18页 |
| 2.1.3 黑箱、计算耗时优化问题 | 第18-19页 |
| 2.2 代理模型 | 第19-30页 |
| 2.2.1 常见代理模型 | 第19-20页 |
| 2.2.2 Kriging模型 | 第20-30页 |
| 2.2.2.1 Kriging模型概述 | 第20-21页 |
| 2.2.2.2 DACE概述 | 第21-22页 |
| 2.2.2.3 DACE建模和预测 | 第22-23页 |
| 2.2.2.4 Kriging预测 | 第23-25页 |
| 2.2.2.5 回归模型 | 第25-27页 |
| 2.2.2.6 相关模型 | 第27-28页 |
| 2.2.2.7 空间填充采样 | 第28-29页 |
| 2.2.2.8 用DACE构建Kriging模型 | 第29-30页 |
| 2.3 传统EGO算法简介 | 第30-31页 |
| 2.4 测试函数介绍 | 第31-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 改进EGO算法 | 第34-46页 |
| 3.1 传统EGO算法详解 | 第34-38页 |
| 3.2 加权改进期望函数 | 第38-40页 |
| 3.3 随机候选点采样 | 第40-41页 |
| 3.4 改进EGO算法 | 第41-45页 |
| 3.5 Town Brook Watershed实际问题 | 第45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 实验 | 第46-55页 |
| 4.1 实验详细介绍 | 第46-53页 |
| 4.1.1 Keane函数 | 第47-48页 |
| 4.1.2 Levy函数 | 第48-50页 |
| 4.1.3 Michalewicz函数 | 第50-51页 |
| 4.1.4 Rastrigin函数 | 第51-53页 |
| 4.1.5 应用实例 | 第53页 |
| 4.2 本章小结 | 第53-55页 |
| 第五章 结论和展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻硕期间的研究成果 | 第61-62页 |