(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111188161.4 (22)申请日 2021.10.12 (71)申请人 北京索为系统技 术股份有限公司 地址 100192 北京市海淀区宝盛南路1号院 9号楼1层101- 01 (72)发明人 陈科甲　 (74)专利代理 机构 北京锺维联合知识产权代理 有限公司 1 1579 代理人 安娜 (51)Int.Cl. G06F 30/27(2020.01) G06N 3/12(2006.01) G06F 111/04(2020.01) G06F 111/10(2020.01) (54)发明名称 基于遗传算法和代理模型的工程设计优化 方法及装置 (57)摘要 本申请公开了一种基于遗传算法和代理模 型的工程设计优化方法及装置， 该方法包括： 基 于样本数据集合构建目标函数对应的目标代理 模型和约束函数对应的约束代理模 型； 采用遗传 算法对目标代理模型进行求解， 其中遗传算法的 变异操作包括： 获得种群Sn中每个染色体的适应 度， 根据适应度中的最大值、 最小值、 每个染色体 的适应度、 以及每个染色体中每个 设计变量的取 值， 确定每个设计变量对应的变异扰动值， 在每 个设计变量上增加对应的变异 扰动值， 以获得变 异后的染色体； 若不满足仿真终止条件， 则新增 样本并更新目标代理模型和约束代理模型； 若满 足仿真终止条件， 则将求解获得的最优解作为设 计变量的优化结果并输出。 权利要求书3页 说明书18页 附图4页 CN 113935235 A 2022.01.14 CN 113935235 A 1.一种基于 遗传算法和代理模型的工程设计优化方法， 其特 征在于， 包括： S201、 获得进行工程设计优化所需的输入参数， 所述输入参数包括： 至少两个待优化的 设计变量、 以及针对设计 变量的目标函数和约束函数； S202、 生成样本数据集合， 所述样本数据集合中的每个样本包括： 所述至少两个设计变 量的一组取值、 基于这组取值获得的所述目标函数和所述约束函数的真实响应值； S203、 基于所述样本数据集合， 构建所述目标函数对应的目标代理模型和所述约束函 数对应的约束代理模型； S204、 采用遗传算法对所述目标代理模型进行求解， 以获得所述目标代理模型在所述 约束代理模型约束 下的最优解， 所述最优解包括所述至少两个设计变量的最优取值； 其中， 在对每一代种群Sn进行遗传以获得下一代种群Sn+1时， 通过如下方式对种群Sn中的每个染色 体进行变异操作： 获得种群Sn中每个染色体 的适应度， 并从获得的适应度 中确定出最大适 应度和最小适应度， 根据所述最大适应度、 所述最小适应度、 每个染色体的适应度以及每个 染色体中每个设计变量的取值， 确定每个染色体中每个设计变量对应的变异扰动值， 在每 个染色体的每个设计变量上增加对应的变异扰动值， 以获得变异后的染色体； 其中， 种群Sn 包括预设数量个染色体， 每 个染色体包括： 所述至少两个设计 变量的一组取值； S205、 判断是否满足仿真终止条件， 若是， 则执 行步骤S208， 否则执 行步骤S20 6； S206、 在所述样本数据集 合中新增q个样本； S207、 基于新增 样本后的样本数据集合， 更新所述目标代理模型和所述约束代理模型， 并返回步骤S204； S208、 将所述 最优解作为设计 变量的优化结果并输出。 2.根据权利要求1所述的方法， 其特征在于， 所述根据所述最大适应度、 所述最小适应 度、 每个染色体的适应度以及每个染色体中每个设计变量的取值， 确定每个染色体中每个 设计变量对应的变异扰动值， 包括： 当fitmax≠fitmin时， 根据公 式 t1＝t3和 获得种群Sn中第k个 染色体的适应度的偏离度t2， 其中， fitk为种群Sn中第k个染色体的适应度， fitmin为种群Sn 中的最小适应度， fitmax为种群Sn中的最大适应度； 若r1≥0.5， 则第k个染色体中第i个设计变量对应 的wi＝ui+(vi‑ui)*(1‑t2)， 否则wi＝ ui‑ui*(1‑t2)， 其中， ui＝ivalue‑imin， vi＝imax‑imin， ivalue为第i个设计变量的取值， imin为第i 个设计变量的取值范围的下限值， imax为第i个设计变量的取值范围的上限值， r和r1为(0， 1)内的随机数； 若wi<0， 则种群Sn中第k个染色体的第i个设计 变量的变异扰动值 Wi＝0； 若0≤wi≤v， 则种群Sn中第k个染色体的第i个设计 变量的变异扰动值 Wi＝wi； 若wi>vi， 则种群Sn中第k个染色体的第i个设计 变量的变异扰动值 Wi＝vi。 3.根据权利要求2所述的方法， 其特征在于， 当fitmax＝fitmin时， 种群Sn中第k个染色体 的偏离度t2＝r3。 4.根据权利要求2所述的方法， 其特征在于， 在基于种 群Sn获得下一代种群Sn+1后， 所述 方法还包括： 计算种群Sn+1中每个染色体的适应度， 并获得种群Sn+1的平均适应度；权　利　要　求　书 1/3 页 2 CN 113935235 A 2计算种群Sn+1的平均适应度与种群Sn的平均适应度之差的绝对值b； 如果连续p代遗传过程中获得的绝对值b均 小于阈值bth， 则终止遗传算法， 将种群Sn+1中 的最优染色体作为所述目标代理模型的最优解， 否则， 继续进行基于种群Sn+1进行遗传。 5.根据权利要求1至4任一项所述的方法， 其特征在于， 通过如下方式生成设计变量的 初始化种群S0： 步骤一、 随机生成样本点， 所述样本点包括所述至少两个设计 变量的一组取值； 步骤二、 对所述样本点进行数值分析并获得对应的输出值， 若输出值为真实响应值， 则 将样本点作为 一个染色体添加到初始化种群S0中， 若输出值 为异常值， 则 删除所述样本点； 重复上述 步骤一和步骤二， 直至所述初始化种群S0中的染色体数量达 到所述预设数量。 6.根据权利要求5所述的方法， 其特征在于， 在随机生成样本点时， 通过如下方式确定 样本点中的离 散设计变量的取值： 在离散设计变量的取值范围内随机选取一个数值， 将选取的数值转换为二进制码， 再 将二进制码转换为格雷码。 7.根据权利要求6所述的方法， 其特 征在于， 所述方法还 包括： 在对包含离散设计变量的染色体进行遗传变异时， 若通过遗传变异获得的新染色体与 遗传变异前的染色体重复， 则重新对染色体进行遗传变异。 8.一种基于 遗传算法和代理模型的工程设计优化装置， 其特 征在于， 包括： 输入模块， 用于获得进行工程设计优化所需的输入参数， 所述输入参数包括： 至少两个 待优化的设计 变量、 以及针对设计 变量的目标函数和约束函数； 初始样本生成模块， 用于生成样本数据集合， 所述样本数据集合中的每个样本包括： 所 述至少两个设计变量的一组取值、 基于这组取值 获得的所述目标函数和所述约束函数的真 实响应值； 初始模型构建模块， 用于基于所述样本数据集合， 构建所述目标函数对应的目标代理 模型和所述约束函数对应的约束代理模型； 优化模块， 用于采用遗传算法对所述目标代理模型进行求解， 以获得所述目标代理模 型在所述约束代理模型约束下的最优解， 所述最优解包括所述至少两个设计变量的最优取 值； 其中， 在对 每一代种群Sn进行遗传以获得下一代种群Sn+1时， 通过如下方式对种群Sn中的 每个染色体进行变异操作： 获得种群Sn中每个染色体 的适应度， 并从获得的适应度中确定 出最大适应度和最小适应度， 根据所述最大适应度、 所述最小适应度、 每个染色体的适应度 以及每个染色体中每个设计变量的取值， 确定每个染色体中每个设计变量对应的变异扰动 值， 在每个染色体的每个设计变量上增加对应的变异扰动值， 以获得变异后的染色体； 其 中， 种群Sn包括预设数量个染色体， 每 个染色体包括： 所述至少两个设计 变量的一组取值； 仿真终止判断模块， 用于判断是否满足仿真终止条件， 若是， 则执行输出模块的功能， 否则执行新增样本模块的功能； 新增样本模块， 用于在所述样本数据集 合中新增q个样本； 模型更新模块， 用于基于新增样本后的样本数据集合， 更新所述目标代理模型和所述 约束代理模型， 并返回执 行所述优化模块的功能； 输出模块， 用于将所述 最优解作为设计 变量的优化结果并输出。 9.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算权　利　要　求　书 2/3 页 3 CN 113935235 A 3