[发明专利]一种基于DNA遗传算法的温度传感器优化布置方法

权利要求书

1.一种基于DNA遗传算法的温度传感器优化布置方法，其特征在于，所述方法包括下述步骤：

步骤S1、选择温度传感器可能布置的点位，将能耗测量精度和能耗变化敏感度作为优化目标建立多目标优化函数；

步骤S2、建立多目标期望值模型并随机模拟求解，结合所述多目标优化函数，得到多目标优化模型；

步骤S3、利用DNA遗传算法随机模拟，计算所述多目标优化模型；

步骤S4、得到两个优化目标的目标Pareto最优解，反复计算得到一组最优解集，作为深度学习算法输入集，通过深度学习算法寻找更优解；

所述步骤S1具体包括：

S11、选择温度传感器可能布置的点位；

S12、重构温度场；

S13、构造精度目标函数，用以描述重构温度场的精度；n为温度传感器总数，j为第j个温度传感器，为第j个温度传感器的测点温度，为第j个温度传感器的温度场，f₁为精度目标函数；

S14、构造了敏感度目标函数，用以描述重构温度场对温差变化的灵敏度，n为温度传感器总数，j为第j 个 温度传感器，f₂为敏感度目标函数，为的均值；

S15、得到多目标优化函数，min表示取最小值；

所述步骤S2具体包括：

S21、建立多目标期望值模型 其中, 是一组随机约束函数，p是约束函数数量， x是决策向量，是随机向量，E表示期望值算子；

S22、通过随机模拟求解所述多目标期望值模型,得到最终的多目标优化模型

。

2.如权利要求1所述基于DNA遗传算法的温度传感器优化布置方法，其特征在于，所述步骤S3具体包括：

S31、输入参数，参数包括种群规模、交叉概率、变异概率和倒位概率；

S32、初始产生DNA链形成初始群体，并用随机模拟验证该DNA链的可行性；

S33、将群体中的每一个DNA链的密码子根据密码表翻译成参数值，然后运用随机模拟计算个体的适应度；

S34、按一定的概率从DNA链群体中选出DNA链个体，作为双亲用于繁殖后代，并用随机模拟验证这些后代的可行性，将满足可行性的新个体加入下一代；

S35、对DNA链进行交叉、变异和倒位运算，其中仍运用随机模拟检验后代的可行性；

S36、将产生的新一代DNA群体重复S33-S35，直到满足收敛条件为止。

3.如权利要求2所述基于DNA遗传算法的温度传感器优化布置方法，其特征在于，所述步骤S4具体包括：

S41、通过步骤S3计算得到两个优化目标的目标Pareto最优解，反复计算两个优化目标的目标Pareto最优解，形成一组最优解集；

S42、将所述最优解集作为深度学习算法的训练集、验证集和测试集；

S43、进行深度学习训练和验证；

S44、将测试集用训练好的深度学习模型进行推理，得到更优解布置方式。