基于迁移学习的船体外形设计代理辅助优化方法技术

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。

【技术实现步骤摘要】

本专利技术属于船型设计领域，提供了一种基于迁移学习的代理辅助量子粒子群优化(tlsa-qpso)方法。

技术介绍

1、随着计算机技术的发展，计算机辅助设计方法已广泛应用于许多工业领域。在船型设计领域，基于仿真的设计方法(simulation-based design,sbd)近年来逐渐取代了如船模实验等基于物理实验的方法，发挥了重要作用。sbd方法将计算流体动力学(cfd)等数值模拟技术与优化技术相结合算法寻找一组特定船舶的最优设计参数，使船舶能够达到令人满意的某一性能。与基于物理实验的方法相比，sbd方法确实成本更低，更节省时间。然而，单次cfd模拟仍然非常耗时，并且在优化过程中应用cfd技术对候选者进行评估时可能会花费大量时间。这种只能基于从昂贵的物理实验、真实事件或复杂的数值模拟中收集的数据进行的优化被称为数据驱动的昂贵优化。与可以通过解析数学函数来评估的昂贵优化相比，数据驱动的昂贵优化显然受到更多因素的影响，因此可能会更昂贵或计算成本更高。此外，当使用基于群体的启发式算法(如遗传算法(ga)和粒子群优化(pso))作为优化器时，这种现象会更加严重，本文档来自技高网...

【技术保护点】

1.基于迁移学习的船体外形设计代理辅助优化方法，其特征在于，步骤如下：

【技术特征摘要】

1.基于迁移学习的船体外形设计代理辅...

【专利技术属性】
技术研发人员：李超，安畅，孙俊，金建海，白亚强，刘凯，吴小俊，方伟，单敏，
申请(专利权)人：江南大学，
类型：发明
国别省市：