文献类型：期刊文章

作　　者：姚煜[1] 胡涛[2] 付建勋[2] 胡顺波[3,4]

YAO Yu;HU Tao;FU Jianxun;HU Shunbo(School of Computer Engineering&Science,Shanghai University,Shanghai 200444,China;Center for Advanced Solidification Technology(CAST),State Key Laboratory of Advanced Special Steel,School of Materials Science and Engineering,Shanghai University,Shanghai 200444,China;Center of Materials Informatics and Data Science,Materials Genome Institute,Shanghai University,Shanghai 200444,China;Zhejiang Laboratory,Hangzhou 311100,Zhejiang,China)

机构地区：[1]上海大学计算机工程与科学学院,上海200444 [2]上海大学材料科学与工程学院先进凝固技术中心,省部共建高品质特殊钢冶金与制备国家重点实验室,上海200444 [3]上海大学材料基因组工程研究院材料信息与数据科学中心,上海200444 [4]之江实验室,浙江杭州311100

出　　处：《上海大学学报（自然科学版）》

基　　金：国家重点研发计划资助项目(2018YFB0704400);云南省重大科技专项资助项目(202102AB080019-3,202002AB080001-2);之江实验室科研攻关资助项目(2021PE0AC02);上海张江国家自主创新示范区专项发展资金重大资助项目(ZJ2021-ZD-006)。

年　　份：2022

卷　　号：28

期　　号：3

起止页码：451-462

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：小样本分散数据上的回归对建模有一定挑战,利用高斯过程对其回归进行建模,即采用极大似然估计进行核函数的超参数学习,通过后验来计算回归结果并预测出目标函数的均值和方差.在此基础上结合方差的多目标优化,在进行材料逆向设计的同时能对设计结果的不确定性进行估计.对1215MS非调质钢和三点弯混凝土数据集进行了实验验证.实验结果表明,对于三点弯混凝土平均有50%实验数据落在预测的95%置信区间内,高斯过程回归(Gaussian process regression,GPR)模型可以较好地度量分散小样本数据的不确定性,进行合理预测.对于1215MS非调质钢数据集,在高斯过程回归模型的基础上,运用带精英策略的非支配遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)进行多目标优化,将材料的力学性能以及所对应的方差作为优化目标,在考虑最优力学性能的同时兼顾不确定因素对实验结果的影响,得到最优帕累托解集,以此作为下次实验的候选点,辅助材料设计和制备优化.

关 键 词：小样本分散数据  高斯过程回归  多目标优化 NSGA-Ⅱ  

分 类 号：TP391]