[发明专利]一种基于搜索树的智能工业设计算法

摘要

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。

主权项

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。