-
题名一种基于距离准则的深度学习热布局序贯优化采样方法
- 1
-
-
作者
苗青
周炜恩
姚雯
-
机构
军事科学院国防科技创新研究院
-
出处
《机械设计》
CSCD
北大核心
2021年第S02期68-74,共7页
-
基金
国家自然科学基金资助项目(11725211,52005505,62001502)
湖南省研究生科研创新项目资助(CX20200023)
-
文摘
实际工程中在考虑温度场性能的卫星布局优化设计问题时,若直接调用温度场数值仿真工具会造成计算成本过高,优化代价巨大。因此,研究人员提出了基于深度学习代理模型的热源布局优化设计思路,有效降低问题的计算复杂性。在此基础上,文中提出一种基于距离准则的序贯优化设计方法,进一步降低计算成本。首先从降低仿真计算成本的角度论述了研究基于深度学习代理模型的卫星热布局序贯优化采样方法的必要性,并简要介绍基于深度学习的热源布局优化模型;然后针对布局方案样本间有效距离的计算问题,提出一种基于布局变换的距离计算方法;接着分别提出一种基于距离准则的全局和局部序贯采样加点方法,形成一套基于深度学习代理模型的热源布局序贯优化设计方法。算例测试表明,该方法在提升模型重点区域精度以辅助基于代理模型的优化算法找到更优解方面可行有效。
-
关键词
热源布局优化
深度学习代理模型
序贯采样
距离准则
-
Keywords
heat source layout optimization
deep learning surrogate
sequential sampling
distance criterion
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
V423.4
[自动化与计算机技术—控制科学与工程]
-
