An active learning method for high-dimensional and small failure probability problems combining matrix-operation radial basis function model with matrix-operation hybrid optimization algorithm

Xufeng Yang

doi:10.1016/j.compstruc.2025.108007

An active learning method for high-dimensional and small failure probability problems combining matrix-operation radial basis function model with matrix-operation hybrid optimization algorithm

2025-10-23

0

PRE

AI

DOI：10.1016/j.compstruc.2025.108007

原文链接

原文求助

摘要

En 中文

为解决小失效概率高维可靠性问题中的计算挑战，本文提出了一种基于矩阵运算径向基函数模型和矩阵运算混合优化算法的主动学习可靠性方法。该方法通过在代理极限状态表面上搜索最可能点，构建最优工具概率密度函数并生成候选样本。通过持续更新试验设计并重新训练矩阵运算径向基函数模型，代理极限状态表面逐步逼近真实极限状态表面。为高效识别高维空间中的最可能点，开发了一种矩阵运算混合优化算法，该算法将基于矩阵的遗传算法与伴随梯度基序二次规划方法相结合。基于矩阵的遗传算法通过利用矩阵运算显著减少了全局搜索时间，而伴随梯度基序二次规划则利用矩阵运算径向基函数模型预测的伴随梯度信息，以降低局部优化中梯度评估的计算成本。通过四个高维可靠性问题验证了所提出方法的有效性。该方法相较于各种现有高维可靠性分析方法表现出较强的竞争力。

An active learning method for high-dimensional and small failure probability problems combining matrix-operation radial basis function model with matrix-operation hybrid optimization algorithm

摘要

期刊

机构

引用论文