龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：浙江大学
摘要：本发明公开了一种面向高维度混合变量的机床立柱结构自适应优化设计方法，其特征在于如下步骤：使用拉丁超立方采样技术在混合变量设计空间内采样形成初始样本点集合，将生成的初始样本点集合作为本优化算法的起始点；使用高斯过程作为代理模型，提出了一种新颖的高斯过程内核，以捕获类别变量之间的数据相似性和内在非平稳性，提出了一种稀疏激活机制，以快速识别最相关的低维子空间，从而促进对高维度混合变量函数的准确建模和预测；提出了一种基于梯度信息的多点重启动采集函数优化算法，以实现高维度混合变量场景下全局期望提升函数的高效优化。
主权项：1.一种面向高维度混合变量的机床立柱结构自适应优化设计方法，其特征在于，具体包括以下步骤：步骤1，确定需要优化的高维度混合变量函数、混合变量及其取值范围，得到混合变量设计空间，确定初始样本数量；在混合变量设计空间内采样形成初始样本点集合并计算各样本点对应的高维度混合变量函数值，作为观测数据集；所述高维度混合变量包括类别变量和高维度的连续变量；步骤2，选择高斯过程模型作为概率代理模型，提出一种用于捕获类别变量之间的数据相似性和内在非平稳性的高斯过程内核；对所述高斯过程内核的所有超参数设置稀疏激活先验信息；步骤3，基于最大后验估计与观测数据集对步骤2的所有超参数进行超参数优化，自适应识别最相关的低维子空间，从而实现对高维度混合变量函数的准确建模和预测；步骤4，选择全局期望提升函数作为采集函数，提出一种基于梯度信息的多点重启动采集函数优化策略，对所述全局期望提升函数进行优化，输出下一个新加样本点并计算样本点对应的高维度混合变量函数值，加入到观测数据集中，迭代次数增加1；步骤5，判断流程是否终止：如果迭代次数≤预设的最大迭代次数，则进入步骤2；反之，则运算完成，并输出观测数据集中的最优解。
全文数据：
权利要求：
百度查询： 浙江大学 面向高维度混合变量的机床立柱结构自适应优化设计方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号