-
科学出版社
- 9787030839718
-
1版
-
B5
-
2026-06
作者简介
1.2011.09—2017.03： 西北工业大学航海学院，兵器科学与技术，工学博士（直博），导师：宋保维院士
2.2007.09—2011.06： 西北工业大学航海学院，工学学士，专业：机械设计制造及其自动化1.2019.12—至今：西北工业大学航海学院，副教授
2.2017.12—2019.12： 加拿大维多利亚大学，集成能源系统研究中心，博士后，研究方向：数据驱动的系统优化设计，合作导师：Zuomin Dong
3.2017.03—2019.12： 西北工业大学，航海学院，船舶与海洋工程博士后，研究方向：针对翼身融合水下滑翔机的数据驱动优化技术，合作导师：宋保维院士机械工程-机械设计/概念设计发表论文 60余 篇，其中SCI检索 50 篇，EI检索 10 篇。
[1] Huachao Dong， P. Wang， B. Song， et al. Kriging-assisted Discrete Global Optimization （KDGO） for black-box problems with costly objective and constraints[J]. Applied Soft Computing， 2020， 94：106429. 中科院大类1区Top IF 5.472
[2] Huachao Dong， Z. Dong. Surrogate-assisted Grey wolf optimization for high-dimensional， computationally expensive black-box problems[J]. Swarm and Evolutionary Computation， 2020， 57：100713. 中科院大类1区Top IF 6.912
查看全部
内容简介
本书主要介绍了先进的数据驱动全局优化方法与应用。内容包括全局优化算法、实验设计方法、预测建模方法、采样填充策略、约束处理规则、测试函数，以及作者及其课题组成员近年来提出的不同类型的数据驱动全局优化方法。全书共分为十一章，前七章主要介绍了数据驱动优化方法的发展现状、基础的全局优化算法、实验设计方法、预测建模方法、采样填充策略、约束处理规则、测试函数。第八章介绍了数据驱动的多起点空间缩减优化算法MSSR，第九章介绍了数据驱动的教与学约束优化算法KTLBO，第十章介绍了数据驱动的离散全局优化方法；第十一章则介绍了工程优化应用。
