-
公开(公告)号：CN118821627A
公开(公告)日：2024-10-22
申请号：CN202411303019.3
申请日：2024-09-19
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/17 , G06N3/006 , G06N20/00 , G06F119/04
Abstract: 本发明公开了一种基于禁忌空间划定的机器学习协助的差分进化方法，适用于全回转推进器驱动轴的服役时间最大化问题，包括：考虑驱动轴结构参数与交变载荷进行种群与参数初始化，构建确定禁忌空间；设计机器学习驱动的潜力空间确定策略来构造潜力空间与机器学习模型；基于潜力空间贪婪信息与禁忌空间反向位置信息构造贪婪协同进化操作；采用二项交叉策略获得对应的候选子代个体池；基于机器学习构建特性推导候选子代个体不确定性评估方法；更新种群与重构禁忌空间与潜力空间，重复判断是否达到收敛条件，直到输出优化解。本发明能够针对全回转推进器驱动轴服役时间最大化问题构造实时禁忌空间与潜力空间，加快最优结构参数优化效率，缩短设计周期。
-
公开(公告)号：CN118821627B
公开(公告)日：2025-03-18
申请号：CN202411303019.3
申请日：2024-09-19
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/17 , G06N3/006 , G06N20/00 , G06F119/04
Abstract: 本发明公开了一种基于禁忌空间划定的机器学习协助的差分进化方法，适用于全回转推进器驱动轴的服役时间最大化问题，包括：考虑驱动轴结构参数与交变载荷进行种群与参数初始化，构建确定禁忌空间；设计机器学习驱动的潜力空间确定策略来构造潜力空间与机器学习模型；基于潜力空间贪婪信息与禁忌空间反向位置信息构造贪婪协同进化操作；采用二项交叉策略获得对应的候选子代个体池；基于机器学习构建特性推导候选子代个体不确定性评估方法；更新种群与重构禁忌空间与潜力空间，重复判断是否达到收敛条件，直到输出优化解。本发明能够针对全回转推进器驱动轴服役时间最大化问题构造实时禁忌空间与潜力空间，加快最优结构参数优化效率，缩短设计周期。
-
公开(公告)号：CN117556691B
公开(公告)日：2025-02-14
申请号：CN202311482150.6
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/17 , G06F30/15 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N3/086 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种面向高维昂贵优化问题的梯度信息驱动维度扰动变异方法，包括：(1)确定设计空间与优化目标，种群与关键迭代参数初始化，给出收敛条件；(2)根据相似筛选准则构建全局径向基函数代理模型；(3)构建梯度信息驱动的维度扰动变异操作来产生候选子代池；(4)构建双层子代选择策略确定真正子代个体；(5)采用自编码器实现降维与升维，设计局部搜索策略；(6)更新种群与关键迭代参数信息，判断算法是否达到收敛条件，若收敛则输出算法所得优化解，否则转至步骤(2)，直至算法达到收敛条件。本发明有效融合了梯度变异快速收敛与维度扰动全局搜索两者优势，能够加快收敛速度，针对高维问题的适用性较强、灵活性较好。
-
公开(公告)号：CN118734720B
公开(公告)日：2024-11-22
申请号：CN202411223433.3
申请日：2024-09-03
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/15 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种机器学习优化设计方法及系统，包括：根据载荷受力分析与边界条件构建翼形结构刚度仿真模型与对应的数学优化模型；基于拉丁超立方采样确定初始优化种群；推导空间导向与维度导向的搜索重心重构函数；基于重心扰动变异产生候选子代种群；采用翼形仿真数据构造径向基函数预测模型；基于可行性规则筛选最优个体，并采用翼形结构刚度仿真模型进行评估，更新种群并转至步骤，直至优化结构满足要求。本发明将翼形结构刚度优化问题转化为数学优化模型，融入两种搜索重心重构函数定位进化节点，并通过径向基函数预测信息引导进化，提高算法针对翼形结构刚度优化问题的优化效率。
-
公开(公告)号：CN117494567A
公开(公告)日：2024-02-02
申请号：CN202311499733.X
申请日：2023-11-10
Applicant: 南昌大学
IPC: G06F30/27 , G06N3/006 , G06F111/06 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种面向混合整数昂贵优化问题的代理模型辅助差分进化方法，包括：(1)确定设计空间与优化目标，种群与关键迭代参数初始化，给出收敛条件；(2)根据目标与约束评估耗时构建全局径向基函数代理模型；(3)构建动态种群筛选机制及相适应的变异操作；(4)设计变异标准差自适应缩放机制；(5)构建代理模型辅助的差分变异‑筛选‑选择框架；(6)分别针对两类局部区域构建局部搜索策略；(7)更新种群与关键迭代参数信息，判断是否达到收敛条件，若收敛则输出优化解，否则转至步骤(2)，直至达到收敛条件。本发明有效融合了代理模型辅助的全局维度扰动预筛与差分进化策略，针对混合整数变量昂贵优化问题的收敛速度较快。
-
Patent Agency Ranking
公开(公告)号：CN118734720A
公开(公告)日：2024-10-01
申请号：CN202411223433.3
申请日：2024-09-03
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/15 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种机器学习优化设计方法及系统，包括：根据载荷受力分析与边界条件构建翼形结构刚度仿真模型与对应的数学优化模型；基于拉丁超立方采样确定初始优化种群；推导空间导向与维度导向的搜索重心重构函数；基于重心扰动变异产生候选子代种群；采用翼形仿真数据构造径向基函数预测模型；基于可行性规则筛选最优个体，并采用翼形结构刚度仿真模型进行评估，更新种群并转至步骤，直至优化结构满足要求。本发明将翼形结构刚度优化问题转化为数学优化模型，融入两种搜索重心重构函数定位进化节点，并通过径向基函数预测信息引导进化，提高算法针对翼形结构刚度优化问题的优化效率。
-
公开(公告)号：CN117556691A
公开(公告)日：2024-02-13
申请号：CN202311482150.6
申请日：2023-11-08
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/17 , G06F30/15 , G06N3/0455 , G06N3/048 , G06N3/084 , G06N3/086 , G06F111/04 , G06F111/06
Abstract: 本发明公开了一种面向高维昂贵优化问题的梯度信息驱动维度扰动变异方法，包括：(1)确定设计空间与优化目标，种群与关键迭代参数初始化，给出收敛条件；(2)根据相似筛选准则构建全局径向基函数代理模型；(3)构建梯度信息驱动的维度扰动变异操作来产生候选子代池；(4)构建双层子代选择策略确定真正子代个体；(5)采用自编码器实现降维与升维，设计局部搜索策略；(6)更新种群与关键迭代参数信息，判断算法是否达到收敛条件，若收敛则输出算法所得优化解，否则转至步骤(2)，直至算法达到收敛条件。本发明有效融合了梯度变异快速收敛与维度扰动全局搜索两者优势，能够加快收敛速度，针对高维问题的适用性较强、灵活性较好。
-
公开(公告)号：CN118761012B
公开(公告)日：2024-12-27
申请号：CN202411237627.9
申请日：2024-09-05
Applicant: 南昌大学
IPC: G06F18/2433 , G06F18/22 , G16C60/00 , G06N20/00
Abstract: 本发明公开了基于机器学习的IN718镍基合金成形缺失数据生成与预测方法，包括：构造IN718镍基合金成形核心数据集并进行数据预处理；基于数据相似性筛选准则与分布特性剔除异常数据；针对核心工艺参数完整数据集构造机器学习模型；根据核心工艺参数不完整数据集构造核心工艺参数缺失数据矩阵；以最小化均方误差为优化目标，采用梯度优化生成核心工艺参数缺失数据的最优填补值，形成核心工艺参数的填补数据集；合并填补数据集与完整数据集来构造机器学习模型，根据留一验证法评估机器学习模型精度，输出机器学习模型。本发明能够对IN718镍基合金成形的核心性能指标预测与核心工艺参数缺失数据填补，实现缺失数据的最优化填补，显著提高预测能力。
-
公开(公告)号：CN119066983A
公开(公告)日：2024-12-03
申请号：CN202411534758.3
申请日：2024-10-31
Applicant: 南昌大学
IPC: G06F30/27 , G06F30/23 , G06F30/17 , G06N3/006 , G06F16/901 , G06F111/04 , G06F119/04 , G06F119/14
Abstract: 本发明公开了一种机器学习引导的动态种群优化设计方法，适用于全回转推进器驱动轴轻量化设计问题，包括：考虑驱动轴结构参数与服役约束进行种群与参数初始化；基于迭代信息与多目标非支配排序法确定动态种群；构造适应种群个体潜力的进化操作来产生候选子代池；在每个候选子代个体邻域范围内确定机器学习模型建模样本；构造高斯过程机器学习模型，并推导候选子代个体期望提升量；根据松弛因子与多目标非支配排序法筛选真实子代个体，并更新种群；构造基于高斯过程的局部搜索定位局部高潜力个体，更新迭代信息。本发明综合考虑重量目标与疲劳约束来设计算法优化轨迹，提高了算法针对全回转推进器驱动轴轻量化设计问题的全局适应性与收敛速度。
-
公开(公告)号：CN117494567B
公开(公告)日：2024-10-11
申请号：CN202311499733.X
申请日：2023-11-10
Applicant: 南昌大学
IPC: G06F30/27 , G06N3/006 , G06F111/06 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种面向混合整数昂贵优化问题的代理模型辅助差分进化方法，包括：(1)确定设计空间与优化目标，种群与关键迭代参数初始化，给出收敛条件；(2)根据目标与约束评估耗时构建全局径向基函数代理模型；(3)构建动态种群筛选机制及相适应的变异操作；(4)设计变异标准差自适应缩放机制；(5)构建代理模型辅助的差分变异‑筛选‑选择框架；(6)分别针对两类局部区域构建局部搜索策略；(7)更新种群与关键迭代参数信息，判断是否达到收敛条件，若收敛则输出优化解，否则转至步骤(2)，直至达到收敛条件。本发明有效融合了代理模型辅助的全局维度扰动预筛与差分进化策略，针对混合整数变量昂贵优化问题的收敛速度较快。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.015 seconds)
