买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南昌大学申请的专利一种基于全局与局部代理模型辅助的双区域协同优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119293614B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411814959.9，技术领域涉及：G06F18/2411；该发明授权一种基于全局与局部代理模型辅助的双区域协同优化方法是由刘建胜;陈晋;杨赞;张坤;黄纪绘设计研发完成，并于2024-12-11向国家知识产权局提交的专利申请。

本一种基于全局与局部代理模型辅助的双区域协同优化方法在说明书摘要公布了：本发明提供一种基于全局与局部代理模型辅助的双区域协同优化方法，涉及桁架平面结构设计优化领域，该方法通过采用双层协同框架，以区分处理不同类型变量，解决混合整数变量的昂贵约束问题。具体的，基于径向基函数的协同框架包括基于历史有潜力区域的局部搜索策略和基于径向基函数辅助的预筛选策略；基于高斯过程的混合整数协同框架包括基于当前可能有潜力区域的局部搜索策略和基于高斯过程辅助的预筛选策略；利用基于径向基函数的协同框架，充分发挥经典基于代理模型的协作框架的快速收敛能力，快速定位高潜力区域；利用基于高斯过程的混合整数协同框架通过提供稳定的优化轨迹来搜索不连通的可行区域，平衡了高潜力区域的收敛性和可行性。

本发明授权一种基于全局与局部代理模型辅助的双区域协同优化方法在权利要求书中公布了：1.一种基于全局与局部代理模型辅助的双区域协同优化方法，其特征在于，包括：通过拉丁超立方抽样方法在设计空间的上下界内进行取样以获得初始种群样本点，设计空间内包括多个设计变量，设计变量包括角钢边长整数设计变量以及节点高度连续设计变量，通过优化目标评估函数评估初始种群样本点的适应度值以形成初始样本种群，初始样本种群包括多个系列，每一序列包括设计空间内所有设计变量的取值；基于径向基函数代理模型对历史有潜力区域进行局部搜索以定位历史高潜力区域，根据历史高潜力区域确定历史最优解，将所述历史最优解进行真实函数评估并结合可行性规则更新种群及历史最优解的位置；根据径向基函数代理模型的预筛选策略并结合历史最优解的位置进行全局预筛选以得到全局最优解，根据全局最优解更新种群及全局最优解位置，根据全局最优解位置定位全局的可能有潜力区域；基于高斯过程代理模型对当前可能有潜力区域进行局部搜索以定位当前高潜力区域，根据当前高潜力区域确定当前最优解，将所述当前最优解进行真实函数评估并结合可行性规则更新种群及当前最优解的位置，根据高斯过程代理模型的预筛选策略并结合当前最优解的位置搜索不连通的可行区域以得到全局最优解，根据全局最优解获得设计空间内所有设计变量的取值以获得优化后的桁架平面结构；判断优化后的桁架平面结构是否同时满足所有节点最大位移约束以及结构总质量降低；若否，则返回执行基于径向基函数代理模型对历史有潜力区域进行局部搜索以定位历史高潜力区域的步骤，直至达到最大评估次数，其中，根据实际工程设计周期与优化精度要求设计最大评估次数，并初始化算法迭代过程中的关键迭代参数；若是，则由优化后的桁架平面结构的所有角钢边长整数设计变量的取值以及所有节点高度连续设计变量的取值优化桁架平面结构以获得最优桁架平面结构；其中，在基于径向基函数代理模型对历史有潜力区域进行局部搜索以定位历史高潜力区域，根据历史高潜力区域确定历史最优解，将所述历史最优解进行真实函数评估并结合可行性规则更新种群及历史最优解的位置的步骤中：通过优化目标评估函数计算得到的样本点所对应的所有节点最大位移约束以及结构总质量中的最佳Q个样本点确定历史有潜力区域，通过最佳Q个样本点构建得到第一个子数据集以形成历史有潜力区域，采用第一个子数据集中所有样本构建局部径向基函数；其中，Q的计算公式为：Q=round20+rd*range； range=min[20*m+n,NFE-20,150]；式中，round表示round函数，rd为随机数，m为角钢边长整数设计变量的个数，range表示变量，n为节点高度连续设计变量的个数，NFE为当前的函数评估次数；其中，局部搜索的空间范围的计算公式为： ； ；i=1,…,Q；j=1,…,m+n；式中：表示设计变量在针对历史有潜力区域进行局部搜索的局部搜索空间中第j维的下限；表示设计变量在针对历史有潜力区域进行局部搜索的局部搜索空间中第j维的上限；lbRBF表示在针对历史有潜力区域进行局部搜索的局部搜索空间中由设计变量所有维度下限构成的下边界向量；ubRBF表示在针对历史有潜力区域进行局部搜索的局部搜索空间中由设计变量所有维度上限构成的上边界向量；表示设计变量在针对历史有潜力区域进行局部搜索的局部搜索空间中第1维的下限；表示设计变量在针对历史有潜力区域进行局部搜索的局部搜索空间中第1维的上限；表示设计变量在针对历史有潜力区域进行局部搜索的局部搜索空间中第m+n维的下限；表示设计变量在针对历史有潜力区域进行局部搜索的局部搜索空间中第m+n维的上限；表示第一个子数据集中第i个样本在第j个维度上的取值；其中，历史有潜力区域的确定范围表达式为： ； ；式中，j=1，…，m+n；minimize表示对构建的径向基函数代理模型进行最小化；表示针对桁架平面结构优化目标评估函数所构建的径向基函数代理模型；表示针对桁架平面结构优化约束评估函数所构建的径向基函数代理模型；s.t.表示需要满足的约束条件标签；其中，在根据径向基函数代理模型的预筛选策略并结合历史最优解的位置进行全局预筛选以得到全局最优解，根据全局最优解更新种群及全局最优解位置，根据全局最优解位置定位全局的可能有潜力区域的步骤中：采用DEbest2生成候选子代解；根据径向基函数代理模型对目标函数和约束条件构建近似模型以近似评估候选子代解；其中，在基于高斯过程代理模型对当前可能有潜力区域进行局部搜索以定位当前高潜力区域的步骤中，获取最接近当前解的Q个样本的位置信息以获得第二个子数据集；根据第二个子数据集构建得到当前有潜力区域，采用第二个子数据集中所有样本构建局部高斯过程；其中，局部搜索的空间范围的计算公式为： ； ；i=1,…,Q；j=1,…,m+n；式中，表示设计变量在针对当前有潜力区域进行局部搜索的局部搜索空间中第j维的下限；表示设计变量在针对当前有潜力区域进行局部搜索的局部搜索空间中第j维的上限；lbKriging表示在针对当前有潜力区域进行局部搜索的局部搜索空间中由设计变量所有维度下限构成的下边界向量；ubKriging表示在针对当前有潜力区域进行局部搜索的局部搜索空间中由设计变量所有维度上限构成的上边界向量；表示设计变量在针对当前有潜力区域进行局部搜索的局部搜索空间中第1维的下限；表示设计变量在针对当前有潜力区域进行局部搜索的局部搜索空间中第1维的上限；表示设计变量在针对当前有潜力区域进行局部搜索的局部搜索空间中第m+n维的下限；分别表示设计变量在针对当前有潜力区域进行局部搜索的局部搜索空间中第m+n维的上限；表示第二个子数据集中第i个样本在第j个维度上的取值；其中，当前有潜力区域的确定范围表达式为： ； ；式中，j=1，…，m+n；minimize表示对构建的高斯过程代理模型进行最小化，表示采用第二个子数据集中所有样本数据针对桁架平面结构优化目标评估函数所构建的高斯过程代理模型；表示针对桁架平面结构优化约束评估函数所构建的高斯过程代理模型；s.t.表示需要满足的约束条件标签。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。