样本视角下面向复杂产品多目标优化设计的混合人工神经网络—遗传算法技术

摘要

针对复杂产品优化设计计算密集的问题,从样本角度提出一种改进的人工神经网络—遗传算法多目标优化框架:针对正交实验设计的小样本问题,采用基于限制扰动的虚拟样本构造方法扩大训练样本集,用于提高人工神经网络建模精度;以基于熵权的极差分析法确定各决策变量的灵敏度,通过变决策变量建模的方式确定高性价比人工神经网络模型,用于遗传算法搜索的适应度计算;设计一种兼顾Pareto前沿平滑性和均匀性的遗传算法初始解构造方法,用于提高优化的效率和质量.以航空发动机高压涡轮盘优化实例验证了所提方法的可行性和有效性.