[发明专利]一种基于蜂群仿真优化方法

权利要求书

1.一种基于蜂群仿真优化方法，其特征在于：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。

2.如权利要求1所述的一种基于蜂群仿真优化方法，其特征在于：所述随机抽样采用拉丁超立方抽样法进行抽取。

3.如权利要求1所述的一种基于蜂群仿真优化方法，其特征在于：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)

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；

步骤25、求解系统级优化问题，获得设计向量最优解(z^*)_best，将其作为下一迭代步中分配给子学科的目标值；

步骤26、比较系统级这一步的目标函数最优解(F^*)_best和上次传递给学科级的设计变量目标值对应的目标函数值(F^*)_best-1之间的差别，如果差值在收敛误差范围w内则迭代结束，得到最终优化结果，否则，跳转至第22步；

步骤27、重复步骤22至26直到收敛；

步骤28、并筛选出m个满足多学科可行的样本点，并且按维数D值的大小升序排列。

4.如权利要求3所述的一种基于蜂群仿真优化方法，其特征在于：

所述步骤24中松弛因子ε的计算公式如下：

ε＝(λ×Δ)²；

其中，Δ表示子学科k与子学科k+1之间的不一致量，和分别为优化过程中来自两个子学科的设计向量优化解，λ为系数。

5.如权利要求3所述的一种基于蜂群仿真优化方法，其特征在于：

所述步骤26中的差值的计算与比较公式如下：

其中，(F^*)_best-1为最终迭代的前一次得到的目标函数值，(F^*)_best为最终迭代得到的目标函数最优值，w为收敛误差。