公开(公告)号：CN116680763B

公开(公告)日：2024-05-17

申请号：CN202310700966.5

申请日：2023-06-13

Applicant: 北京大学长沙计算与数字经济研究院 ,  北京大学

Inventor： 杨超 ,  王曦立 ,  尹鹏飞 ,  张博

IPC: G06F30/10 ,  G06N3/04 ,  G06F17/13 ,  G06F111/06

Abstract: 本发明涉及形状优化方法及计算机存储介质和终端设备，包括：根据偏微分方程约束的形状待优化问题，确定状态、伴随、正则方程；构建状态、伴随、正则方程神经网络代理模型；设定优化目标初始形状，将初始形状边界离散为若干形状表征点；在当前形状内部与边界分别采样若干配置点；优化状态损失函数，更新状态方程代理模型；优化伴随损失函数，更新伴随方程代理模型；优化正则损失函数，更新正则方程代理模型；计算形状表征点对应的形状优化方向，更新当前形状；判断是否结束形状更新。本发明利用神经网络求解方程的无网格特性，突破了传统网格依赖形状优化方法的瓶颈，可用于求解不同领域的形状待优化问题。

公开(公告)号：CN116680763A

公开(公告)日：2023-09-01

申请号：CN202310700966.5

申请日：2023-06-13

Applicant: 北京大学长沙计算与数字经济研究院 ,  北京大学

Inventor： 杨超 ,  王曦立 ,  尹鹏飞 ,  张博

IPC: G06F30/10 ,  G06N3/04 ,  G06F17/13 ,  G06F111/06

Abstract: 本发明涉及形状优化方法及计算机存储介质和终端设备，包括：根据偏微分方程约束的形状待优化问题，确定状态、伴随、正则方程；构建状态、伴随、正则方程神经网络代理模型；设定优化目标初始形状，将初始形状边界离散为若干形状表征点；在当前形状内部与边界分别采样若干配置点；优化状态损失函数，更新状态方程代理模型；优化伴随损失函数，更新伴随方程代理模型；优化正则损失函数，更新正则方程代理模型；计算形状表征点对应的形状优化方向，更新当前形状；判断是否结束形状更新。本发明利用神经网络求解方程的无网格特性，突破了传统网格依赖形状优化方法的瓶颈，可用于求解不同领域的形状待优化问题。