CN113935235B 基于遗传算法和代理模型的工程设计优化方法及装置 （北京索为系统技术股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN113935235B(45)授权公告日2025.07.08

(21)申请号202111188161.4

(22)申请日2021.10.12

(65)同一申请的已公布的文献号申请公布号CN113935235A

(43)申请公布日2022.01.14

(73)专利权人北京索为系统技术股份有限公司地址100192北京市海淀区宝盛南路1号院

9号楼1层101-01

(72)发明人陈科甲

(74)专利代理机构北京锺维联合知识产权代理有限公司11579

专利代理师安娜

(51)Int.CI.

GO6F30/27(2020.01)

GO6N3/126(2023.01)

GO6F111/04(2020.01)

GO6F111/10(2020.01)

(56)对比文件

CN113821983A,2021.12.21

审查员孙洁

权利要求书3页说明书18页附图4页

(54)发明名称

基于遗传算法和代理模型的工程设计优化方法及装置

(57)摘要

CN113935235B本申请公开了一种基于遗传算法和代理模型的工程设计优化方法及装置，该方法包括：基于样本数据集合构建目标函数对应的目标代理模型和约束函数对应的约束代理模型；采用遗传算法对目标代理模型进行求解，其中遗传算法的变异操作包括：获得种群S。中每个染色体的适应度，根据适应度中的最大值、最小值、每个染色体的适应度、以及每个染色体中每个设计变量的取值，确定每个设计变量对应的变异扰动值，在每个设计变量上增加对应的变异扰动值，以获得变异后的染色体；若不满足仿真终止条件，则新增样本并更新目标代理模型和约束代理模型；若满

CN113935235B

获得进行工程设计优化所雷的输入参数，输入参数包

获得进行工程设计优化所雷的输入参数，输入参数包

目标函数和约束函数

生成样本数据集合，样本数据集合中的每个样本包括：S202

标函数和约束函数的真实响应值

和约束函数对应的约束代理模型

采用遗代算法对目标代理模型进行求解，以获得目标代

理模型在约束代理模型约束下的最优解，最优解包括至

少两个设计变量的最优取值

判断是香满足仿真终止条件

在样本数据集合中新增q个样本

将最优解作为设计变量的优化结果并输出

CN113935235B权利要求书1/3页

2

1.一种基于遗传算法和代理模型的工程设计优化方法，其特征在于，包括：

S201、获得进行工程设计优化所需的输入参数，所述输入参数包括：至少两个待优化的设计变量、以及针对设计变量的目标函数和约束函数；

S202、生成样本数据集合，所述样本数据集合中的每个样本包括：至少两个设计变量的一组取值、基于这组取值获得的所述目标函数和所述约束函数的真实响应值；

S203、基于所述样本数据集合，构建所述目标函数对应的目标代理模型和所述约束函数对应的约束代理模型；

S204、采用遗传算法对所述目标代理模型进行求解，以获得所述目标代理模型在所述约束代理模型约束下的最优解，所述最优解包括所述至少两个设计变量的最优取值；其中，在对每一代种群S,进行遗传以获得下一代种群S?+1时，通过如下方式对种群S。中的每个染色体进行变异操作：获得种群S,中每个染色体的适应度，并从获得的适应度中确定出最大适应度和最小适应度，根据所述最大适应度、所述最小适应度、每个染色体的适应度以及每个染色体中每个设计变量的取值，确定每个染色体中每个设计变量对应的变异扰动值，在每个染色体的每个设计变量上增加对应的变异扰动值，以获得变异后的染色体；其中，种群S包括预设数量个染色体，每个染色体包括：所述至少两个设计变量的一组取值；

S205、判断是否满足仿真终止条件，若是，则执行步骤S208,否则执行步骤S206;

S206、在所述样本数据集合中新增q个样本；

S207、基于新增样本后的样本数据集合，更新所述目标代理模型和所述约束代理模型，并返回步骤S204;

S208、将所述最优解作为设计变量的优化结果并输出；

所述根据所述最大适应度、所述最小适应度、每个染色体的适应度以及每个染色体中每个设计变量的取值，确定每个染色体中每个设计变量对应的变异扰动值，包括：

当fitmax≠fitm:;n时，根据公式,获得种群S,中第k个染色体的适应度的偏离度t?,其中，fit为种群S,中第k个染色体的适应度，fi