[发明专利]结构自适应优化设计方法、装置、设备和介质

说明书

本申请涉及结构自适应优化设计方法、装置、设备和介质，方法包括用拉丁超立方实验设计方法生成个初始采样点并进行有限元分析；根据设计变量，采用径向基函数构建代理模型；利用多目标遗传算法对代理模型的多目标优化问题进行多目标非精确搜索；对得到的各搜索样本点进行并行采样；调用有限元分析仿真模型评估新增采样点的响应值，将新增采样点及其有限元分析结果加入样本全集，更新代理模型；自适应调整并行采样中的开发点占比和探索点占比；将搜索得到的所有新增采样点加入样本点精英库后进行非支配等级排序，选取前个支配等级较高的精英样本点作为新的样本点精英库；若新的样本点精英库满足要求则输出最终优化设计结果。处理效率较高。

技术领域

本申请涉及结构优化设计技术领域，特别是涉及一种结构自适应优化设计方法、装置、设备和介质。

背景技术

随着数值计算理论的逐步完善以及计算能力的发展，高保真学科仿真模型在现代工程设计问题，尤其是在结构设计优化问题中得到了广泛的应用。高保真学科仿真模型（如有限元分析模型、计算流体力学模型）能够高精度地捕捉真实世界现象的复杂物理过程，提高了设计结果的可靠性。然而，在工程设计问题中使用高保真的学科仿真模型不可避免地会带来巨大的计算代价，尤其是在具有昂贵学科仿真模型的工程优化设计问题中。

因此，遗传算法、粒子群算法等传统优化算法，由于计算资源的限制，难以用于解决实际的工程设计问题。针对这些情况，学者提出代理模型技术，即在优化过程中用解析表达式来模拟计算仿真模型的行为，以降低计算成本。而基于代理模型的优化方法关键问题之一是如何用一定的填充策略对采样集进行顺序扩充，从而逐步提高代理精度。然而，在实现本发明过程中，发明人发现前述传统结构设计优化方法中，存在着结构设计优化处理效率较低的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种结构设计优化处理效率较高的结构自适应优化设计方法、一种结构自适应优化设计装置、一种计算机设备以及一种计算机可读存储介质。

为了实现上述目的，本发明实施例采用以下技术方案：

一方面，本发明实施例提供一种结构自适应优化设计方法，包括步骤：

采用拉丁超立方实验设计方法生成个初始采样点，调用并行计算资源进行有限元分析仿真计算，得到各初始采样点的仿真结果；初始采样点和初始采样点的仿真结果，用于初始化样本点精英库，为初始采样点个数；

根据选定的设计变量，采用径向基函数方法构建目标函数和约束的代理模型；

利用多目标遗传算法对代理模型的多目标优化问题进行多目标非精确搜索，得到多目标搜索输出的各搜索样本点；

对各搜索样本点进行并行采样，选取开发点和探索点；

调用有限元分析仿真模型评估新增采样点的响应值，将新增采样点及新增采样点的有限元分析结果加入样本全集，更新代理模型；新增采样点包括开发点和探索点；

自适应调整并行采样中的开发点占比和探索点占比，进行新增采样点的扩展搜索；

将搜索得到的所有新增采样点加入样本点精英库后，对样本点精英库进行非支配等级排序，按支配等级从高到低的顺序选取前个精英样本点作为新的样本点精英库；

若新的样本点精英库的样本点最优值达到目标优化要求或样本点最优值在连续设定迭代次数中没有得到更新，则输出样本点最优值作为最终优化设计结果。

在其中一个实施例中，利用多目标遗传算法对代理模型的多目标优化问题进行多目标非精确搜索，得到多目标搜索输出的各搜索样本点的步骤，包括：

利用多目标优化算法NSGA-Ⅱ，对为代理模型建立的多目标优化问题进行求解搜索；多目标优化问题为：