[发明专利]一种基于搜索树的智能工业设计算法

权利要求书

1.一种基于搜索树的智能工业设计算法，其特征在于，包括前处理、设计学习和设计应用三个部分，通过以下几个步骤实现：

步骤A：所述前处理用于确定工业设计中依赖的设计目标、参数变量及其取值范围；以设计目标为指标进行分类作为搜索树的根节点，以具体参数变量作为搜索树各层的节点，Li为对应一个节点值，所述节点值用于表征对应分支的评估值V，确定由设计变量计算目标值的计算流程PROC，确定神经网络的结构；

步骤B：在初始化神经网络后，所述设计学习包括自主抽样、学习数据转换和神经网络训练强化三个子部分；

当设计问题确定后，通过构建神经网络对矩阵X和矩阵Y建立映射，所述神经网络用于模糊地记录搜索树的信息，利用训练过的神经网络代替搜索树进行自主抽样，并添加至原始样本集S0中，形成新的样本集；

通过新的样本集更新搜索树，学习新的搜索树结构，形成新的神经网络；

若新的神经网络未能满足强化终止条件，则新的神经网络仍需强化训练，即进行不断地自主抽样，更新搜索树并重建神经网络直至当前神经网络满足强化终止条件；

步骤C：设计应用，若当前神经网络满足强化终止条件，保留并输出当前训练的神经网络模型结构，并用于实际设计过程。

2.根据权利要求1中所述的一种基于搜索树的智能工业设计算法，其特征在于，

所述评估值V用于决定向着优选设计方向构建搜索树，所述自主抽样的样本将不断改进。

3.根据权利要求1中所述的一种基于搜索树的智能工业设计算法，其特征在于，在步骤B中，所述矩阵X用于表征搜索树对应的各个子状态。

4.根据权利要求1中所述的一种基于搜索树的智能工业设计算法，其特征在于，在步骤B中，所述矩阵Y用于表征所述节点值的评估值。

5.根据权利要求1中所述的一种基于搜索树的智能工业设计算法，其特征在于，在步骤B中，所述自主抽样是指当初始化完成的神经网络，算法自动向神经网络传入一组随机的首个设计变量{ DP₀ⁱ }，会返回一组期望的最优设计与目标值的元组{ (DPⁱ , OBJⁱ)}，根据最大值优先的筛选方式，从中选择一组目标值较高的设计变量子集，经过PROC获得对应的目标值后添加到原始样本集S0。

6.根据权利要求1中所述的一种基于搜索树的智能工业设计算法，其特征在于，在步骤B中，所述学习数据转换具体的转换机制包括两个核心步骤，首先将样本集中的每个元素中的DPⁱ分解为n个形如(V^m(DP₁), Vⁿ(DP₂),…)的有序结构，其次，对于同型的结构，仅保留对应OBJⁱ最大的结构于LS集合，即当Tⁱ为子叶时，f(OBJⁱ) = OBJⁱ，否则f(OBJⁱ) = max(OBJⁱ)。

7.根据权利要求1中所述的一种基于搜索树的智能工业设计算法，其特征在于，在步骤B中，所述神经网络训练强化是指根据更新过的LS集合作为新的神经网络的训练强化数据，生成新的神经网络，即新的学习数据下的网络参数集合。

8.根据权利要求1中所述的一种基于搜索树的智能工业设计算法，其特征在于，在步骤B中，所述强化终止条件包括到达最大计算规模和到达收敛值。