Kriging代理模型EGO算法.zip

%%% 案例：Y = G(X,t) = -30 + x1^2*x2 - 5*x1*t + ( x2 + 1)*e^(t^2) %%% x1~N(3.5,0.3^2), x2~N(3.5, 0.3^2), t:[0,0.5] %%% 本程序可以无偿使用，但不对实际结果做保证。 %%% 2020.08

%%%  
%%%  案例：Y = G（Xt） = -30 + x1^2*x2 - 5*x1*t + （ x2 + 1）*e^（t^2）
%%%  x1~N（3.50.3^2）  x2~N（3.5 0.3^2）  t:[00.5]
%%%  
%%%  本程序可以无偿使用，但不对实际结果做保证。
%%%  2020.08
clear;
clc;

addpath（‘dace‘）;
addpath（‘test_problem‘）;
addpath（‘EOLE‘）;

m=1;                % 算法重复运行次数，用于多次求平均
mm = 10;            % 平均的次数
% pf_every = 0;       % 单次运行的失效概率
LF_mun = 0;           % LF 经过很多次迭代，依旧不能大于2的次数
negt_0 = 0; 
while （m<=mm）
    clearvars -except m mm pf_every N_train_point qq pp  Covpf1 LF_mun negt_0
    
    q_evaluation = 1;
    
    fun_name = ‘ANovelSingleLoop4_3‘; % ANovelSingleLoop4_1 ; Testhuzhen4_1
    Z=0;                                   %失效的阀值
    % pf_true = 0.084861;                  
                          % 4-1函数实际失效概率初始样本为5，Nt0=100
                          % Nt1=5T_Nmcs = Nt1*50;Nmcs_0 = 1e4;
    % pf_true = 0.0569;
    % pf_true = 0.1182;
                          % 4-2函数实际失效概率，theta_e = 0.9 或 0.85
    pf_true = 1.24e-4;
                          % 4-3函数实际失效概率，动态随机过程的简支梁
    % pf_true = 1.09e-4;                     
                          % Testhuzhen4_1函数实际失效概率

    num_initial_sample = 10;                % 初始训练样本数
    Nt0 = 5;                             % 初始样本点离散时间的采样数，求极值
    Nt1 = 5;                               % 求新增样本点的极限值对应的时间离散
    T_Nmcs = Nt1*50;                       % T_Nmcs为单个新增样本点，通过kriging_model_2求解时间
    Nmcs_0 = 1e5;
    Nmcs = Nmcs_0;
    EI_epsilon = 1e-7;    % EI_epsilon的取值范围很难确定多少合适
    % LF_epsilon  =  1e-4 ;    % 学习函数的收敛准则
    % U_epsilon = 2;
    Covpf_epsilon = 0.05;    % 0.05 或 0.02
    
    % ---得到输入参数变量，num_vari随机变量数，mu均值，sigma方差，t时间）---
    [num_vari1musigmat] = Test_Function（fun_name）;
    num_vari2 = num_vari1+1;

    for i1=1:num_vari1          % 生成样本，采用拉丁超立方抽样法
        sample_xs（:i1）= lhsnorm（mu（:i1）sigma（:i1）num_initial_sample）;
    end

    % sample_Ts=t（11）+（t（21）-t（11））*lhsdesign（Nt11‘criterion‘‘maximin‘‘iterations‘1000）;
    
    % EGO 求极值响应与时间
    for i = 1:num_initial_sample        
        
        sample_Ts = t（11）+（t（21）-t（11））*rand（Nt01）;     % 生成随机离散时间
        xs = ones（Nt01）*sample_xs（i:）;
        Xs = [xssample_Ts];
        Ys = feval（fun_nameXs）;
        p（i） = 1;
        while （ p（i） == 1  ||  best_EI >= EI_epsilon ）
            
            kriging_model_1 = dacefit（sample_TsYs‘regpoly0‘‘corrgauss‘1*ones（1num_vari2）0.001*ones（1num_vari2）1000*ones（1num_vari2））;

            Mcs_Ts = t（11）+（t（21）-t（11））*rand（T_Nmcs1）;     % 生成随机离散时间
            
            [Mcs_Ymse_t] = predictor（Mcs_Tskriging_model_1）;
            cc= 0:0.001:1;
            sample_Ts_NNN = t（11）+（t（21）-t（11））*cc;
            
            sample_Ts_NNN = sample_Ts_NNN‘;
            Xs_NNN = [ones（10011）*sample_xs（i:）sample_Ts_NNN];
            sample_Ys_NNN = feval（fun_nameXs_NNN）;
            
            hold on;
            plot（sample_TsYs‘r^‘）;   % Kriging的几个训练样本点
            plot（M

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2020-09-17 11:57  Kriging代理模型EGO算法\
     文件         378  2019-05-06 11:02  Kriging代理模型EGO算法\.gitattributes
     文件         649  2019-05-06 11:02  Kriging代理模型EGO算法\.gitignore
     目录           0  2020-09-17 11:57  Kriging代理模型EGO算法\EOLE\
     文件         405  2020-09-12 16:56  Kriging代理模型EGO算法\EOLE\EOLE_Gp.m
     文件         277  2020-09-12 16:52  Kriging代理模型EGO算法\EOLE\EOLE_Gp_rou.m
     文件         819  2020-09-12 16:46  Kriging代理模型EGO算法\EOLE\yt_test1.m
     文件         536  2020-09-12 16:18  Kriging代理模型EGO算法\EOLE\yt_test2.m
     文件          56  2019-05-06 11:02  Kriging代理模型EGO算法\Gaussian_CDF.m
     文件          60  2019-05-06 11:02  Kriging代理模型EGO算法\Gaussian_PDF.m
     文件         912  2019-05-06 11:02  Kriging代理模型EGO算法\Infill_Standard_EI.m
     目录           0  2020-09-17 11:57  Kriging代理模型EGO算法\KL\
     文件        2958  2019-05-06 11:02  Kriging代理模型EGO算法\KL\KL.asv
     文件        2777  2019-05-06 11:02  Kriging代理模型EGO算法\KL\KL.m
     文件        2014  2019-05-06 11:02  Kriging代理模型EGO算法\KL\KL_fredholm_nystrom.m
     文件        4969  2019-05-06 11:02  Kriging代理模型EGO算法\KL\examples_1D.asv
     文件        4969  2019-05-06 11:02  Kriging代理模型EGO算法\KL\examples_1D.m
     文件        3382  2019-05-06 11:02  Kriging代理模型EGO算法\KL\examples_2.m
     文件        5173  2019-05-06 11:02  Kriging代理模型EGO算法\KL\gauss_quad.m
     文件         373  2019-05-06 11:02  Kriging代理模型EGO算法\LF_U.m
     文件        2453  2019-05-06 11:02  Kriging代理模型EGO算法\LHS.m
     目录           0  2020-09-17 11:57  Kriging代理模型EGO算法\dace\
     文件        1785  2019-05-06 11:02  Kriging代理模型EGO算法\dace\Copy_of_predictor.m
     文件         407  2019-05-06 11:02  Kriging代理模型EGO算法\dace\Untitled.m
     文件        1207  2019-05-06 11:02  Kriging代理模型EGO算法\dace\corrcubic.m
     文件        1039  2019-05-06 11:02  Kriging代理模型EGO算法\dace\correxp.m
     文件        1176  2019-05-06 11:02  Kriging代理模型EGO算法\dace\correxpg.m
     文件         946  2019-05-06 11:02  Kriging代理模型EGO算法\dace\corrgauss.m
     文件        1091  2019-05-06 11:02  Kriging代理模型EGO算法\dace\corrlin.m
     文件        1227  2019-05-06 11:02  Kriging代理模型EGO算法\dace\corrspherical.m
     文件        1868  2019-05-06 11:02  Kriging代理模型EGO算法\dace\corrspline.m
............此处省略18个文件信息