[发明专利]一种基于搜索树的智能工业设计算法

说明书

一种基于搜索树的智能工业设计算法，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；步骤B：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；步骤C：设计应用，当新的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。与传统方法相比，本发明的有益效果是：通过神经网络学习搜索树结构，引入模糊进而增加探索能力；强化过程中搜索树的更新与神经网络的学习的组合方式，使得学习过程的收敛性得到约束；使得智能工业设计的目标能够实现，即算法可以指导机器学习进行更好的设计过程。

技术领域

本发明涉及一种智能工业设计算法，尤其涉及一种基于搜索树的智能工业设计算法。

背景技术

智能工业设计的根本目标是通过训练机器学习具体领域的设计经验,进而可以通过机器快速地设计满足具体需求的工业产品,用于提高人工设计的效率,可以代替部分人工工作;此外,还可以通过学习机制探索未知的设计方案,拓展原有的有限的设计经验;智能工业设计的基础是通过一系列计算机辅助建模.计算机辅助仿真,样本数据积累,学习数据生成,学习模型建立,模型训练等过程,实现机器关于具体设计的认知,如可以判断具体某个设计的优劣,自动实现满足需要的设计方案等;智能工业设计可以与人工设计互补,提高设计的效率与设计的效果,探索更优的设计方案;机器学习设计的过程和人为学习设计的过程是相似的,可以概括为对设计参数与设计目标的关系的认知,对设计参数与设计约束的关系的认知,通过对大量的有效数据(实验积累或者计算机辅助建模所得)的学习,机器也可以对具体问题形成如上总结的认知,进而用于实际的设计过程；

由于探索空间较大，设计参数的组合情形较多,如何设计对具体状态的有效评估是一个较难处理的问题；以及处理如何获得一个由设计参数到目标的关系的描述，这个描述准确且适用性更广泛的问题，由于具体的问题普遍比较复杂,这些都是传统方法中存在的不足之处。

发明内容

为了解决上述所存在的问题，本发明提供了一种基于搜索树的智能工业设计算法，本发明通过神经网络学习搜索树结构和强化过程中搜索树的更新与神经网络的学习的组合方式使得智能工业设计的目标能够实现。

一种基于搜索树的智能工业设计算法，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。

在上述方案中，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。

在上述方案中，在步骤B中，所述矩阵Y用于表征所述节点值的评估值，对应的设计参数的数目可以确定，那么总有一个结构固定的矩阵X表征搜索树对应的各个子状态，以及矩阵Y记录，通过构建神经网络对X与Y建立映射，那么神经网络将模糊地记录搜索树的信息，通过神经网络学习搜索树结构，引入模糊进而增加探索能力。