首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于Kriging代理模型和Q-learning算法的弹性波超材料带隙优化方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:陕西交控科技发展集团股份有限公司;长安大学

摘要:本发明公开了一种基于Kriging代理模型和Q‑learning算法的弹性波超材料带隙优化方法,属于声学超材料带隙优化技术领域,包括S1、构建弹性波超材料结构参数优化模型;S2、采用LHS的实验设计方法获取采样点,生成IO数据集;S3、构建Keiging代理模型;S4、定义Q‑learning算法的状态、动作以及奖赏函数,并生成初始Q值;S5、初始化状态参数,与环境互动并获得奖赏值,采用贪心策略对动作进行选择,进入新状态,再次与环境互动并获得新的奖赏值;S6、根据Q值函数的公式更新Q值表;S7、重复S5、S6操作直至所有优化情节结束。本发明采用上述一种基于Kriging代理模型和Q‑learning算法的弹性波超材料带隙优化方法,采用Q‑learning算法结合Kriging代理模型提升了优化问题中搜索最优解过程的效率,降低计算成本。

主权项:1.一种基于Kriging代理模型和Q-learning算法的弹性波超材料带隙优化方法,其特征在于,包括以下步骤:S1、构建弹性波超材料结构参数优化模型,包括设计变量、目标函数和约束条件;S2、采用拉丁超立方采样的实验设计方法获取采样点,并对这些采样点进行有限元分析,生成IO数据集;S3、根据S2所生成的数据集构建Keiging代理模型,并将其嵌入到Q-learning优化算法框架中进行最优结构参数搜索;S4、定义Q-learning算法的状态、动作以及奖赏函数,并生成初始Q值;S5、初始化状态参数,与环境互动并获得奖赏值,采用贪心策略对动作进行选择,进入新状态,再次与环境互动并获得新的奖赏值;S6、选择两次奖赏值中大的奖赏值对应的状态作为当前状态继续进行优化,并根据Q值函数的公式更新Q值表;S7、重复S5、S6操作直至所有优化情节结束。

全文数据:

权利要求:

百度查询: 陕西交控科技发展集团股份有限公司 长安大学 基于Kriging代理模型和Q-learning算法的弹性波超材料带隙优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。