-
公开(公告)号：CN116720260A
公开(公告)日：2023-09-08
申请号：CN202310727001.5
申请日：2023-08-10
Applicant: 江南大学 , 中国船舶科学研究中心
IPC: G06F30/15 , G06F30/27 , G06F30/28 , G06N3/0464 , G06N3/006 , G06N5/01 , G06N3/096 , G06N20/20 , G06F30/25 , G06F111/04 , G06F113/08 , G06F119/14
Abstract: 一种基于迁移学习的船型优化方法，涉及船型优化技术领域。本发明通过利用Two Stage TrAdaBoost.R2回归迁移算法来提高最终关于船舶性能模型的精度与泛化性能。该算法利用已知的一些相关数据集的知识来辅助我们的目标船型数据建模，以提高模型的精度。本发明对于船型采样和建模阶段均分为两阶段进行：基于全局尺度采样数据来构建粗代理模型和基于经过全局和局部尺度采样阶段得到的数据来构建细代理模型，两个模型共同辅助后续的优化过程。对于优化过程提出一种双代理辅助的优化方法。所采用的优化算法的迭代流程被改进，不再是对单一代理模型独立进行更新，而是在优化过程中同时考虑他们的适应度值并选取最优者进行迭代。
-
公开(公告)号：CN118013647B
公开(公告)日：2024-09-10
申请号：CN202410335062.1
申请日：2024-03-22
Applicant: 江南大学
Abstract: 基于迁移学习的船体外形设计代理辅助优化方法，属于船型设计领域。首先，利用两种不同类型的船体形状参数表示的样本，通过实施两阶段TrAdaBoost.R2迁移学习算法构建代理模型。这两种参数表示分别基于船舶尺度系数(用作源域)和几何参数(用作目标域)。其次，我们提出了一种代理模型更新策略，定期将当前最佳估计适应度值和最大不确定性的两个CFD模拟位置分别添加到目标域，以重构替代模型。最后，采用了结合粒子迁移方案的改进量子粒子群优化(QPSO)算法作为优化器，以使其更好地适应替代模型的重构。
-
公开(公告)号：CN118013647A
公开(公告)日：2024-05-10
申请号：CN202410335062.1
申请日：2024-03-22
Applicant: 江南大学
Abstract: 基于迁移学习的船体外形设计代理辅助优化方法，属于船型设计领域。首先，利用两种不同类型的船体形状参数表示的样本，通过实施两阶段TrAdaBoost.R2迁移学习算法构建代理模型。这两种参数表示分别基于船舶尺度系数(用作源域)和几何参数(用作目标域)。其次，我们提出了一种代理模型更新策略，定期将当前最佳估计适应度值和最大不确定性的两个CFD模拟位置分别添加到目标域，以重构替代模型。最后，采用了结合粒子迁移方案的改进量子粒子群优化(QPSO)算法作为优化器，以使其更好地适应替代模型的重构。
-
公开(公告)号：CN116720443A
公开(公告)日：2023-09-08
申请号：CN202310727000.0
申请日：2023-06-19
Applicant: 江南大学 , 中国船舶科学研究中心
IPC: G06F30/27 , G06N3/126 , G06F111/08
Abstract: 基于Levy分布的船舶数据演化采样方法。该算法提出了一个自适应的Levy分布的转移概率函数。令样本集的每个样本根据Levy分布的参数值为1.0和2.0生成两个待选择的样本，通过拒绝选择操作更新得到的两组样本集，比较两组样本集产生的标准偏差来决定最终的样本集。自适应的Levy分布使参数的选择依靠演化过程本身决定。通过在15个测试函数以及实际船舶数据上进行的一系列实验，比较了四种演化采样算法的性能。证实了基于自适应Levy分布的演化采样算法不仅提高了收敛速度，同时增加样本的精度。
-
-
-
Search Results
4
records
(took 0.014 seconds)
