[发明专利]一种基于蜂群仿真优化方法

说明书

本发明提供一种基于蜂群仿真优化方法，包括：步骤10、进行随机抽样，抽取n个样本作为初始样本点集合，并定义优化过程收敛误差w；步骤20、构建数学模型，并筛出满足多学科耦合方程的m个样本点；步骤30、通过所述m个样本点构建不同的代理模型，所述代理模型包括RSM模型、RBF模型和Kriging模型；步骤40、对所述代理模型进行验证和确认；步骤50、结合人工蜂群算法构建优化框架，获取全局最优解；步骤60、EDA平台根据所述全局最优解调整产品设计的参数，再进行仿真得到优化后的产品模型。采用本发明方法可以提高全局寻优能力，缩短了工程产品的设计周期，为更加有效地解决现代工程设计问题提供了可能。

技术领域

本发明涉及涉及EDA工具仿真优化领域，尤其涉及一种基于蜂群仿真优化方法。

背景技术

随着计算机辅助设计技术的快速发展，EDA技术已经应用到了产品设计过程中的各个阶段，用于提高产品设计的效率。但是随着EDA技术在电子信息领域的应用越多，覆盖范围越广，也面临着一些深层次的设计服务难题。在产品设计过程中，设计工具软件对各自领域学科的计算分析和优化设计已经较为成熟；但在复杂的系统设计工程中需要使用的工具软件众多，很难建立起统一的多学科设计分析和优化数学模型，这是当前急需考虑的问题。为此，本发明人研究出一种基于蜂群仿真优化方法用以解决上述问题。

发明内容

本发明要解决的技术问题，在于提供一种基于蜂群仿真优化方法，提高全局寻优能力，缩短了工程产品的设计周期，为更加有效地解决现代工程设计问题提供了可能。

本发明提供了一种基于蜂群仿真优化方法，包括：

步骤10、进行随机抽样，抽取n个样本作为初始样本点集合，并定义优化过程收敛误差w；

步骤20、构建数学模型，并筛出满足多学科耦合方程的m个样本点；

步骤30、通过所述m个样本点构建不同的代理模型，所述代理模型包括RSM模型、RBF模型和Kriging模型；

步骤40、对所述代理模型进行验证和确认；

步骤50、结合人工蜂群算法构建优化框架，获取全局最优解；

步骤60、EDA平台根据所述全局最优解调整产品设计的参数，再进行仿真得到优化后的产品模型。

进一步的，所述随机抽样采用拉丁超立方抽样法进行抽取。

进一步的，所述步骤20进一步包括：

步骤21、建立系统级优化和学科级优化数学模型，所述系统级优化数学模型采用如下公式表示：

min.F(z)

s.t.

其中，F(z)是整个系统的目标函数，是协调第k个子学科的一致性约束，是由子学科k传递过来的设计向量优化值，z_k为系统级中与子学科k中对应的共享设计向量，ε为松弛因子，多学科优化问题的系统级约束条件设为：

其中，z为学科之间的共享设计向量，是协调第k个子学科的一致性约束，是协调第k+1个子学科的一致性约束，λ为系数，是由子学科k的设计向量优化值，是由子学科k+1的设计向量优化值；

步骤22、设置系统级优化问题的设计向量初始目标值(z^*)₀，并将其分配给各子学科；

步骤23、执行子学科的优化过程，获得各子学科设计向量的最优解并返回给系统级；

步骤24、根据松弛因子ε的值对系统级优化数学模型一致性约束条件进行松弛；