一种基于设计空间缩减的优化方法技术

本发明专利技术属于飞行器多学科优化设计领域，公开了一种基于设计空间缩减的优化方法。包括如下步骤：S1、样本集的生成与预处理：从一个初始气动外形出发，使用任意试验设计方法对设计变量进行扰动取样，生成大量的气动外形并计算相应的目标函数，对设计变量与相应的目标函数组成的样本集进行标签分类处理，得到决策树的训练集；S2、建立基于CART算法的决策树：决策树基于Gini系数对样本标签进行分类，内部结点为基于Gini系数的最优划分点，叶结点为目标函数值标签；S3、根据决策树提取设计知识：通过对设计变量分层并确定其合理取值范围，达到缩减设计空间的目的。本发明专利技术缓解了现有优化算法因样本的稀疏性造成维度灾难的问题。适用于先进飞行器设计空间优化。器设计空间优化。器设计空间优化。

【技术实现步骤摘要】
一种基于设计空间缩减的优化方法


[0001]本专利技术涉及飞行器多学科优化设计领域，更具体地说，它涉及一种基于设计空间缩减的优化方法。

技术介绍

[0002]随着高性能计算的飞速发展，数值优化设计在先进飞行器研发中的重要性愈发凸显。先进飞行器设计中各学科间的耦合程度越来越高，单一学科的性能最优并不能满足先进飞行器的性能需求，学科之间的协同优化已成为了先进飞行器设计的必备手段。设计变量的选择是优化设计的关键，在飞行器气动外形优化中，常常是外形的控制点，即设计空间的维度。随着多学科的引入，所需设计变量更多，设计空间的维度大幅增长。选定设计变量后，还需要确定变量的变化范围，即设计空间的尺度。在多学科优化中，由于每个学科所对应的最优设计空间范围不一定相同，因此造成设计空间的多峰性，进一步增加了优化问题的复杂程度。对于基于代理模型的全局优化算法，构建模型所需的样本规模及优化过程中所需的搜索规模会随着设计变量的增加呈指数型增长，样本的稀疏性造成代理模型精度急剧下降，设计空间的暴增会造成优化算法无法收敛，即“维度灾难”。
[0003]数据挖掘可从大量数据中挖掘或抽取出知识，它把人们对数据的应用从低层次的简单查询，提升到从大量数据中提炼有价值的信息，为决策提供支持。在数据挖掘中可用于分类的算法很多，其中决策树技术是用于分类和预测的主要技术。从决策树中可以直接观察出属性之间的相对重要性，形成相关的设计规则。通过将从决策树中得到的设计变量的重要性以及设计规则与全局优化结合，进行设计空间缩减，能够提升优化速度，缓解“维度灾难”。<br/>
技术实现思路

[0004]为了减少多学科优化计算量，本专利技术将数据挖掘与全局优化方法有机结合，提出一种基于设计空间缩减的优化方法。该方法能够给出使目标函数趋于最优解的各个设计变量的子区间，也可以给出各个设计变量的重要程度，利用得到的知识进行设计空间缩减并基于此开展优化，提升全局优化的效率。
[0005]为解决上述技术问题，本专利技术提供了一种基于设计空间缩减的优化方法，包括如下步骤：
[0006]S1、样本集的生成与预处理：从一个初始气动外形出发，使用任意试验设计方法对设计变量进行扰动取样，生成大量的气动外形并计算相应的目标函数，对设计变量与相应的目标函数组成的样本集进行标签分类处理，得到决策树的训练集；
[0007]S2、建立基于CART算法的决策树：决策树基于Gini系数对样本标签进行分类，内部结点为基于Gini系数的最优划分点，叶结点为目标函数值标签；
[0008]S3、根据决策树提取设计知识：通过对设计变量分层并确定其合理取值范围，达到缩减设计空间的目的。
过程，实际的定义方式根据所处理的设计问题决定。
[0028]S2、建立基于CART算法的决策树：决策树基于Gini系数对样本标签进行分类，内部结点为基于Gini系数的最优划分点，叶结点为目标函数值标签。
[0029]S3、根据决策树提取设计知识：通过对设计变量分层并确定其合理取值范围，达到缩减设计空间的目的。根据决策树得到的设计知识，提炼出不同设计变量对目标函数的重要性排序，根据实际情况选择要优化的设计变量数目以及优化顺序，即先优化最重要设计变量，再优化次重要设计变量，直至所选设计变量均优化完成。利用所得到的设计变量重要性，选定每轮优化所需的设计变量进行优化，要优化的设计变量数目由使用者确定。同时根据决策树得到的设计知识，确定要优化的设计变量的合理取值范围；通过决策树得到的各设计变量的出现顺序以及其对各个目标函数的取值，可以得到各个设计变量对目标函数的重要性以及目标函数趋于最优值所对应的设计变量取值范围，每轮优化过程中设计变量的取值范围应采用决策树得到使目标函数达到最优的取值范围。
[0030]本实施例所得到的设计知识可与任意全局优化方法结合。
[0031]本方案使用决策树分析设计变量的重要程度并提取设计规则。决策树分析给出了与较优的目标函数相关的设计变量取值空间，进而可以优化设计空间取值，达到缩减优化设计空间的目的。此外，还可根据设计变量的重要性对设计变量进行分层，最终实现分层优化。
[0032]以飞行器气动/声爆优化设计中的总体布局参数优化为例。
[0033]S1：从一个初始气动外形出发，对设计变量(后掠角、展弦比、稍根比等)扰动，得到多组气动外形，并计算相应的目标函数(远场感知噪声级)。一组设计变量与相应的目标函数组成一个样本。按照变量与目标函数的值定义不同的标签，如“大、中、小”等，此方法可得到决策树的训练样本集。
[0034]S2：生成基于CART算法的决策树，具体方法如下：
[0035]1.输入样本训练数据和停止计算的条件(样本的Gini值小于阈值，表明样本不能再切分，已经属于同一个类别)
[0036]2.生成决策树
[0037]3.决策树进行剪枝操作，解决对数据的过拟合问题。最终生成的决策树如图2所示。
[0038]决策树的内部结点揭示了对目标函数有不同影响的设计变量的分离阈值，叶节点的判断序列即为优化设计目标函数值的不同分布。综合分析可以得到各设计变量对目标函数的重要性以及使目标函数趋于最优的设计变量变化区间如下表1所示。
[0039]表1：
[0040][0041]S3，根据得到的设计变量的知识，选定后掠角作为首先优化的设计变量。在完成第
一轮优化后，固定优化好的设计变量，选择上反角和长细比进行优化，最后优化展弦比和梢根比。在整个优化过程中设计变量的取值范围均为采用决策树得到的取值范围。采用本方法的优化收敛过程以及用时与普通优化方法对比如图3所示，能够看到采用本专利技术方法进行优化的用时明显低于普通优化方法，且两者精度相当。
[0042]以上的仅是本专利技术的实施例，方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本专利技术技术方案的前提下，还可以作出若干变形和改进，这些也应该视为本专利技术的保护范围，这些都不会影响本专利技术实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于设计空间缩减的优化方法，其特征在于：包括如下步骤：S1、样本集的生成与预处理：从一个初始气动外形出发，使用任意试验设计方法对设计变量进行扰动取样，生成大量的气动外形并计算相应的目标函数，对设计变量与相应的目标函数组成的样本集进行标签分类处理，得到决策树的训练集；S2、建立基于CART算法的决策树：决策树基于Gini系数对样本标签进行分类，内部结点为基于Gini系数的最优划分点，叶结点为目标函数值标签；S3、根据决策树提取设计知识：通过对设计变量分层并确定其合理取值范围，达到缩减设计空间的目的。2.根据权利要求1所述的基于设计空间缩减的优化方法，其特征在于：采用试验设计方法生成的样本集在...

【专利技术属性】
技术研发人员：舒博文，黄江涛，马创，何成军，高正红，陈宪，陈诚，周攀，
申请(专利权)人：中国空气动力研究与发展中心空天技术研究所，
类型：发明
国别省市：