随着计算机性能的大幅提升和科学技术的快速发展,利用进化算法对工业产品优化设计受到科学研究人员的广泛关注。然而,对复杂工业产品的优化不仅计算复杂,而且仿真过程十分耗时,致使算法的优化效率不高。近年来,通过众多学者的研究发现,代理模型技术适用于样本小、维度高、非线性等复杂问题的优化求解,利用其精准预测代替优化算法对产品参数的真实评价,从而有效地降低计算复杂度,节约求解时间,达到优化设计的目的。但是,使用代理模型与进化算法相结合来解决复杂计算问题依然存在诸多问题。如针对不同类型的优化问题,如何选择适合解决这一类型问题的模型、采用何种集成策略来构建集成模型、集成模型中元模型的数量究竟该如何选择才能在代理模型的预测精度和求解时间之间取得较好的平衡等问题,都是需要进一步深入研究的课题。为此,基于对前人研究工作的学习,本文提出一种基于自适应代理模型的粒子群优化算法来尝试解决上述问题。该算法不仅可以针对不同类型的问题自适应地选择最优的代理模型,而且可以自适应地选择最佳集成策略用来构建集成代理模型,提升粒子群算法对复杂计算问题的优化效率和泛化能力。本文的工作主要包含以下三个方面:(1)提出一种自适应选择代理模型和选择集成策略的方法。该方法可针对待优化问题的复杂度以及对解的要求自适应地选择合适的代理模型,该被选模型的类型可能是单一的元模型,也可能是集成模型。如果被选出的模型是集成模型,根据交叉验证均方根误差(RMSE)将所有元模型排序,选择前几名“精英模型”对其采用最优加权代理(OWS)方式中的加权平均模型(WAS)进行集成。同时考虑OWS中的五种集成策略,受自适应差分进化(SADE)思想启发,在迭代过程中自适应地选择其中一种最佳策略完成集成模型的构建。利用标准测试平台和一项工程实例对提出的方法进行测试,实验结果表明,基于自适应选择策略的代理模型具有更好的泛化性能和预测精度。(2)提出一种基于自适应代理模型的粒子群优化算法。在寻优过程的每一代,算法会选择当代交叉验证均方根误差(RMSE)最小的模型来更新前一代的模型,通过将每一代的真实最优解添加到数据库中来更新所有代理模型。最终利用代理模型对粒子适应度值的预测代替直接对粒子适应度值的精确计算(即减少优化过程中的仿真次数),从而降低计算复杂度、节省优化设计时间。基于标准测试函数和工程实例实验表明,基于自适应代理模型的粒子群算法不仅可以达到一定的求解精度,而且可以更快地获取全局最优解。(3)利用天线优化设计耗时这一实际工业问题对所提出算法的有效性进行验证。通过高频仿真软件HFSS和Matlab联合仿真平台数据交互,实现了天线自动建模、仿真分析、参数预测、迭代寻优等过程。在达到天线性能要求的前提下,实验结果表明,虽然本文提出的算法不能达到仅使用粒子群算法对天线结构参数优化的求解精度,但是该算法完成天线参数寻优过程所需的时间更短,优化效率更高。本文以天线优化设计为背景,提出一种自适应选择代理模型和集成策略的方法,并将此方法与粒子群优化算法相结合来提升该算法对复杂计算问题的优化效率和泛化能力。期望此方法能够为复杂产品的研发和性能优化提供技术支持。