[发明专利]用于产品外形多目标优化设计的改进强度帕累托进化算法在审
| 申请号： | 201910942687.3 | 申请日： | 2019-09-30 |
| 公开（公告）号： | CN110717264A | 公开（公告）日： | 2020-01-21 |
| 发明（设计）人： | 王增;刘卫东;杨明朗 | 申请（专利权）人： | 南昌大学 |
| 主分类号： | G06F30/20 | 分类号： | G06F30/20;G06F30/15;G06F17/16;G06F17/14;G06K9/62;G06N3/08 |
| 代理公司： | 36123 南昌青远专利代理事务所(普通合伙) | 代理人： | 刘爱芳 |
| 地址： | 330000 江西省南*** | 国省代码： | 江西;36 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种用于产品外形多目标优化设计的改进强度帕累托进化算法，包括设计分析和产品外形多目标优化设计，包含产品外形数据和产品感性意象数据，采用椭圆傅立叶分析技术获取产品外形轮廓主成分得分数据，用感性意象分析技术得到目标形容词感性意象评价均值数据；产品外形多目标优化设计部分算法步骤为，用遗传算法优化神经网络技术建立主成分得分和目标形容词的感性意象评价均值之间的非线性映射网络，利用椭圆傅立叶分析技术获得的主成分得分和目标形容词的感性意象评价均值之间的一致性相关关系提出修正算子，将该算子与改进交叉算子和改进自适应变异算子结合，最终形成本发明的算法，为开展产品外形多目标优化设计提供有效的工具。 | ||
| 搜索关键词： | 产品外形 多目标优化 感性 傅立叶分析 算子 椭圆 自适应变异算子 神经网络技术 遗传算法优化 非线性映射 一致性相关 改进 得分数据 技术获得 技术获取 交叉算子 进化算法 均值数据 算法步骤 算法 分析 修正 网络 | ||
【主权项】：
1.一种用于产品外形多目标优化设计的改进强度帕累托进化算法，其特征在于：包括设计分析和产品外形多目标优化设计两部分，两部分的数据均包含产品外形数据和产品感性意象数据，采用椭圆傅立叶分析技术获取产品外形轮廓的主成分得分数据，用感性意象分析技术得到目标形容词的感性意象评价均值数据；/n所述产品外形多目标优化设计部分的算法步骤为，先用遗传算法优化神经网络GABP技术建立主成分得分和目标形容词的感性意象评价均值之间的非线性映射网络，该网络将进一步被用作核心多目标优化算法的适应度函数；然后，利用椭圆傅立叶分析技术获得的主成分得分和目标形容词的感性意象评价均值之间的一致性相关关系提出修正算子，将该算子与所提的改进交叉算子和改进自适应变异算子相结合，最终形成了一种用于产品外形多目标优化设计的改进强度帕累托进化算法ISPEA2。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南昌大学，未经南昌大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910942687.3/，转载请声明来源钻瓜专利网。
