通过回归高斯过程的时间规整优化实现设施部署决策
最优化与控制
2015-12-23 v1 数据分析、统计与概率
机器学习
摘要
本文提出了一种快速确定满足给定燃料循环需求的部署调度的方法。该算法速度足够快,可在低保真度燃料循环模拟器中原位执行。它使用高斯过程回归模型来预测作为时间与已部署设施数量函数的生产曲线。针对每条预测,采用动态时间规整(dynamic time warping)距离与需求曲线进行比较。最小距离的部署调度在完整的燃料循环模拟中进行评估,其生成的生产曲线随后为下一次优化迭代提供模型信息。该方法在五到十次迭代内收敛至小于可部署总产量百分之一的距离。以一个具有代表性的单程(once-through)燃料循环展示了该方法在反应堆部署中的应用。
引用
@article{arxiv.1512.06929,
title = {Facility Deployment Decisions through Warp Optimizaton of Regressed Gaussian Processes},
author = {Anthony Scopatz},
journal= {arXiv preprint arXiv:1512.06929},
year = {2015}
}
备注
Number of Pages: 35, Number of Tables: 0, Number of Figures: 11