[发明专利]一种基于代理模型的多学科优化软件平台

摘要

本发明提供了一种基于代理模型的多学科优化软件平台，属于优化平台技术领域。一个基于代理模型的多学科优化平台，此平台是基于Python编写的，应用PyQt搭建界面。该平台分为三大模块：DOE模块、Surrogate models模块、Optimization模块。首先从DOE模块选取数据，进入Surrogate models模块，导入选取的数据，构建代理模型，若模型满足精度要求则可以应用Optimization模块进行优化。本平台操作简单、占用空间小并且可以独立安装的优点，适合非专业用户应用代理模型进行优化和也适用专业用户，有利于代理模型的推广。

主权项

1.一种基于代理模型的多学科优化软件平台，其特征在于，此平台是基于Python编写的，应用PyQt搭建平台控件界面；所述的多学科优化软件平台包括试验设计模块、代理模型和优化模块；模块一：试验设计模块试验设计模块是选取数据模块，基于不同的策略，DOE模块包括取样类型子模块、输入参数子模块、输出取样点及图子模块；所述的取样类型子模块包含四个选项，根据用户需求进行选择，包括拉丁超立方试验选项、BBD试验选项、中心试验选项和全析因试验选项；所述的输入参数子模块，根据取样类型子模块所选择的选项，对应不同的输入参数；在已选的取样类型下，输入参数决定输出数据的维度、个数以及空间的分布；所述的输出取样点及图子模块，根据所选维数，显示其空间内分布情况，即显示对应的点图；最高为三维；1.1根据用户的需求，在取样类型子模块中选取一个选项；1.2根据步骤1.1确定的选项，输入对应的参数，包括上下边界、取样个数、维数；输入时，系统自动判断用户输入的是否是数字，如果不是则重新输入；1.3将得到的数据点显示到表格中；根据用户需求，确定维数，显示对应二维或三维散点图；若用户对所选的数据点的质量不满意，清空所有数据点，回到步骤1.1重新开始；用户可以点击保存按钮将产生的数据点保存到Excel中；模块二：代理模型模块代理模型是构建模型模块，也是平台的核心模块，共分为五个子模块：选择建立代理模型类型子模块、数据来源及输入参数子模块、输出模型图子模块、模型精度评价子模块以及序列加点子模块；所述的选择建立代理模型类型子模块包含三个选项：Kriging模型选项、径向基函数模型选项和多项式响应面法模型选项；根据用户需求，选择一个模型类型建立对应的代理模型；所述的数据来源及输入参数子模块包含两个部分：选择数据来源部分和输入参数部分；选择数据来源部分包括试验设计模块选取的数据和用户原有数据；输入参数部分根据要建立的代理模型的类型输入相应的参数；所述的输出模型图子模块是通过输入训练数据，生成模型，可同时建立多个模型；选择要绘图的变量与目标，得到二维等高线图和三维曲面图；所选的变量的维数最高为两维，所选的目标为一维；所述的模型精度评价子模块是通过输入检验数据，包含变量数据和目标值数据，评价已建的模型精度；如果模型精度满足用户要求则应用该模型，否则通过序列加点子模块提高模型精度或重新选取数据建立代理模型；所述的序列加点子模块是当模型的精度不满足用户要求时，通过序列加点子模块提高模型的精度变量数据；将得到加点数据导入到训练数据中，重新训练模型；2.1根据用户的需求，在选择建立代理模型类型子模块中确定一个建立模型的类型；2.2当用户没有数据时，选择数据来源于试验设计模块选取的数据；当用户有数据时，直接导入；数据输入后，输入根据步骤2.1确定的模型对应的参数；2.3建立模型：点击建立模型，模型建立完成后，选择变量的维数和目标，构建模型的二维等高线图以及三维曲面图；变量至多选择两维；构建代理模型同时构建多个模型，在数据来源及输入参数子模块中根据用户需求，确定输入建立模型的个数；在显示模型图时，若是只构建一个模型，则不必选择要显示的目标；若是构建多个模型时，则确定显示其中任一目标；2.4将检验数据分别输入到对应的表格中，显示变量数据和对应的目标值数据；进一步得到预测值数据，并输出到对应的表格中；通过模型精度评价子模块得到相关的评价值，即确定模型是否满足精度要求；2.5若是模型精度不满足，根据用户需求，在序列加点子模块中输入加点个数以及确定加点类型，即可得到可以提高模型精度的点；将点加到步骤2.2的数据中，返回到步骤2.3再次建立模型；模块三：优化模块优化模块基于已经建立的代理模型，对已经建立好的模型进行优化，得到优化结果；分为三个子模块：选择优化类型子模块、设置优化参数子模块和输出优化结果子模块；所述的选择优化类型子模块，根据用户选择，用不同优化类型对已经建立的代理模型进行优化；所述的设置优化参数子模块，对应选的优化类型，输入对应的参数，包括初始点、选择所需要优化的模型、精度、最大迭代次数；所述的输出结果子模块，优化后，显示结果，包括迭代步数、最优值、最优值处的各个变量的取值；3.1根据用户需求，选择优化类型；3.2基于所选的优化类型，输入和选择对应的参数；3.3优化，得到优化结果；如果结果并非最优点，则返回重新优化。