%0 Journal Article
%T Improved Global Optimization Algorithm Based on Incremental Support Vector Regression Model<br>基于增量SVR模型的改进全局优化算法
%A 贾云峰
%A 张爱莲
%A 吴义忠
%J 计算机科学
%D 2012
%I 
%X SVR(支持向量回归)是一种具有较强稳健性的小样本学习方法，它可有效避免“维数灾难”，并被引入到全局 优化中。然而现有的基于SVR的全局优化算法存在佑值次数多、无法应对高维优化问题等缺点。提出了一种基于增 量SVR模型的新的改进全局优化算法DISVR:采用增量SVR方法提高过程响应面的重构效率;采用一种新的增量 I_HD(工;atin Hypcr-cubc Sampling)方法确保样本集分布均匀;采用DIRECI’搜索算法提高全局搜索的稳定性和效率。 最后，通过多个测试函数表明，该算法既降低了时间复杂度，也有效减少了源模型的估值次数。
%K Global optimisation
%K Response surface
%K Support vector regression
%K Incremental method<br>全局优化，响应面，支持向量回归，增量法
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=6CC4FADE9FC7EFEAD96F318F7E946D68&yid=99E9153A83D4CB11&vid=7C3A4C1EE6A45749&iid=E158A972A605785F&sid=D46BA3D3D4B3C585&eid=847B14427F4BF76A&journal_id=1002-137X&journal_name=计算机科学&referenced_num=0&reference_num=0