申请/专利权人：江苏大学

申请日：2024-01-29

公开（公告）日：2024-04-02

公开（公告）号：CN117807809A

主分类号：G06F30/20

分类号：G06F30/20;G06F17/18;G06F17/11;G06F111/04

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开一种求解框架类薄壁结构耗时优化问题的并行约束贝叶斯优化方法、系统，S1，根据结构优化问题，确定优化方程及变量的信赖域边长；S2，不是初次迭代，执行S3，否则，从变量中选取“昂贵”样本点，计算目标函数值和隐式约束函数值；S3，隐式约束函数的bilog变换，构建更新目标函数、隐式约束函数的高斯过程回归模型；S4，更新信赖域；S5，以三个采集函数作为目标函数、显式约束函数作为约束，构造多目标优化方程，求解帕累托前沿，从中筛选出多个“昂贵”样本点，并行其目标函数值和隐式约束函数值，得到当前迭代的最优解；S6，不满足全局收敛条件，合并所有“昂贵”样本点，返回S3，否则输出最优解。

主权项：1.一种求解框架类薄壁结构耗时优化问题的并行约束贝叶斯优化方法，其特征在于，包括以下步骤：S1，根据实际框架类薄壁结构优化问题，确定数学优化方程以及变量的信赖域边长；所述数学优化方程包括目标函数、显式约束函数和隐式约束函数；S2，判断是否为初次迭代，若不是初次迭代，执行S3；若为初次迭代，从数学优化方程的变量中选取初始样本，计算目标函数值fx和隐式约束函数值，并将初始样本点称为“昂贵”样本点；S3，执行隐式约束函数的bilog变换；S4，利用目标函数值fx和变换后的第i个隐式约束函数值gi′x，构建更新目标函数的高斯过程回归模型以及隐式约束函数的高斯过程回归模型S5，更新信赖域；S6，以采集函数KSEI、CEI、CLCB作为目标函数，以显式约束函数作为约束函数，构造多目标优化方程，利用多目标遗传算法求解帕累托前沿；S7，从帕累托前沿中筛选出多个优质样本点，即“昂贵”样本点，并行计算优质样本点的目标函数值和隐式约束函数值，并得到当前迭代的最优解；S8，若不满足全局收敛条件，则合并所有“昂贵”样本点，并返回至S3；若满足全局收敛条件，则算法收敛，并输出最优解。

全文数据：

权利要求：

百度查询： 江苏大学 一种求解框架类薄壁结构耗时优化问题的并行约束贝叶斯优化方法、系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD