公开(公告)号：CN109190197A

公开(公告)日：2019-01-11

申请号：CN201810926363.6

申请日：2018-08-15

Applicant: 北京理工大学

Inventor： 龙腾 ,  周星宇 ,  唐亦帆

IPC: G06F17/50

Abstract: 本发明公开的一种高效Maximin拉丁超方采样方法，属于工程设计优化技术领域。本发明实现方法如下：将设计空间划分为一个超棋盘hypercube，以最小距离作为局部目标函数，使用整数规划方法最大化该目标函数，从而逐次生成样本点；所述整数规划方法具体为分支定界方法，即对问题进行分枝、定界并剪枝，从而得到整数规划问题的最优解；将整数规划方法应用到代理模型中，能够显著提高代理模型优化设计方法的全局寻优能力和优化效率，能够保证采样点的空间均布性，适用于包含高精度分析模型的工程设计优化领域，能够有效提高工程设计优化效率、缩短设计周期。所述的复杂工程系统的多学科设计优化领域包括飞行器、汽车、船舶领域。

公开(公告)号：CN109117954A

公开(公告)日：2019-01-01

申请号：CN201810914539.6

申请日：2018-08-13

Applicant: 北京理工大学

Inventor： 龙腾 ,  唐亦帆 ,  史人赫 ,  武宇飞

IPC: G06N3/10 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开的基于混合径向基神经网络的黑箱系统设计优化方法，属于工程设计中的优化技术领域。本发明采用混合径向基神经网络对黑箱系统进行近似建模，并代替原始系统模型进行设计优化；通过求解单个径向基神经网络RBFNN中的参数，使得单个RBFNN的近似性能最优；构建求解权重系数的二次规划问题，对目标函数中的每个权重系数增加惩罚项，提高混合径向基神经网络ERBFNN的近似精度。本发明通过挖掘和利用不同RBFNN的优势，并利用拉格朗日乘子法求解单个代理模型的权重系数，能够避免繁琐优化过程，对于黑箱系统的高精度、高效率近似建模以及提高黑箱系统设计优化质量具有重要意义。本发明适用于包含高精度分析模型或存在黑箱系统的工程设计优化领域。

公开(公告)号：CN108804859A

公开(公告)日：2018-11-13

申请号：CN201810926310.4

申请日：2018-08-15

Applicant: 北京理工大学

Inventor： 周星宇 ,  龙腾 ,  唐亦帆

IPC: G06F17/50

CPC classification number: G06F17/50 ,  G06F17/5018 ,  G06F2217/08

Abstract: 本发明公开的一种对称逐次局部枚举拉丁超立方试验设计方法，属于工程优化设计技术领域。本发明实现方法如下，将设计空间划分为一个超棋盘格，使用局部枚举方法根据最小距离最大化准则逐次生成样本点，同时使用对称技术，一次枚举生成两个样本点，在保证样本点的空间均布性与投影均匀性的情况下节省计算耗时。本发明根据样本点个数将问题划分为偶数问题与奇数问题并依据它们的性质分别提出两种与之对应的对称局部枚举方法。将本发明的一种对称逐次局部枚举拉丁超立方试验设计方法应用到代理模型中，能够显著提高代理模型优化设计方法的全局寻优能力和优化效率，适用于包含高精度分析模型的工程设计优化领域，能够有效提高工程设计优化效率、缩短设计周期。