基于Python的代理模型優(yōu)化平臺設(shè)計及應(yīng)用
發(fā)布時間:2021-01-02 22:20
在實際問題中,優(yōu)化設(shè)計涉及到各個領(lǐng)域,但是傳統(tǒng)的仿真優(yōu)化計算周期長、成本高,使人們難以忍受。代理模型是傳統(tǒng)仿真的近似模型,由于代理模型是基于小規(guī)模的樣本點建立的純數(shù)學模型,其建模時間短、成本低。在保證精度的前提下,大大縮短了產(chǎn)品的設(shè)計周期,為后續(xù)優(yōu)化和相關(guān)分析提供了可靠的、快速的方法,基于上述優(yōu)點使得代理模型技術(shù)被應(yīng)用于各個領(lǐng)域中。但是由于代理模型技術(shù)是純數(shù)學模型,傳統(tǒng)的代碼文件使非專業(yè)優(yōu)化人員理解困難,限制了非專業(yè)人員對代理模型的應(yīng)用。雖然已有的商業(yè)化的優(yōu)化軟件得到了應(yīng)用,但是其學習時間長、界面復雜,不利于非專業(yè)優(yōu)化人員短時間應(yīng)用代理模型技術(shù)解決實際問題。因此,本文基于Python代理模型開發(fā)一款通用、操作簡潔并且適合非專業(yè)人員應(yīng)用的優(yōu)化平臺。本文的主要研究內(nèi)容如下:首先,對優(yōu)化平臺進行模塊劃分:DOE模塊、Surrogate model模塊、Optimization模塊。然后對基于Python語言編寫的試驗設(shè)計、代理模型算法、優(yōu)化等算法文件所需的參數(shù)、輸入輸出形式等進行分析。結(jié)合算法的特點,篩選出每個模塊算法的重要參數(shù)作為軟件界面的作為基本輸入?yún)?shù)。深入學習PyQt的控件的基本屬性...
【文章來源】:大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:81 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 優(yōu)化軟件研究現(xiàn)狀
1.2.2 代理模型研究現(xiàn)狀
1.3 代理模型技術(shù)
1.3.1 試驗設(shè)計方法
1.3.2 代理模型類型
1.4 機器學習之監(jiān)督學習算法
1.5 模型的評價標準
1.6 本文主要研究內(nèi)容和工作
2 實現(xiàn)優(yōu)化平臺使用到的設(shè)計框架和參數(shù)確定
2.1 Python及 PyQt發(fā)展及簡介
2.1.1 Python語言簡介
2.1.2 PyQt簡介
2.2 Scikit learn庫簡介
2.3 基于Python算法庫的參數(shù)設(shè)置
2.3.1 試驗設(shè)計參數(shù)的確定
2.3.2 代理模型參數(shù)的確定
2.4 本章小結(jié)
3 基于Python的代理模型優(yōu)化平臺的設(shè)計與實現(xiàn)
3.1 優(yōu)化平臺需求分析以及設(shè)計目標
3.2 基于Python的代理模型優(yōu)化平臺的設(shè)計
3.2.1 優(yōu)化平臺功能模塊的劃分
3.2.2 優(yōu)化平臺功能模塊的控件的選擇
3.3 優(yōu)化平臺的搭建
3.3.1 主界面的搭建
3.3.2 試驗設(shè)計模塊的搭建
3.3.3 代理模型模塊的搭建
3.3.4 優(yōu)化模塊的搭建
3.4 本章小結(jié)
4 優(yōu)化平臺基本功能的驗證
4.1 標準函數(shù)庫
4.2 現(xiàn)有算例對比
4.2.1 試驗設(shè)計模塊對比
4.2.2 代理模型模塊對比
4.3 計算時間成本
4.4 本章小結(jié)
5 數(shù)值優(yōu)化算例
5.1 多約束優(yōu)化的背景
5.2 問題描述
5.3 應(yīng)用軟件求解數(shù)值算例
5.4 本章小結(jié)
6 工程實例應(yīng)用:激光切割工藝參數(shù)優(yōu)化
6.1 激光切割介紹
6.2 問題的分析和優(yōu)化
6.2.1 實驗設(shè)備、調(diào)節(jié)參數(shù)及目標的選擇
6.2.2 應(yīng)用優(yōu)化平臺建模及優(yōu)化
6.3 本章小結(jié)
結(jié)論
參考文獻
附錄 A 附錄內(nèi)容名稱
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝
本文編號:2953749
【文章來源】:大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:81 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景及研究意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 優(yōu)化軟件研究現(xiàn)狀
1.2.2 代理模型研究現(xiàn)狀
1.3 代理模型技術(shù)
1.3.1 試驗設(shè)計方法
1.3.2 代理模型類型
1.4 機器學習之監(jiān)督學習算法
1.5 模型的評價標準
1.6 本文主要研究內(nèi)容和工作
2 實現(xiàn)優(yōu)化平臺使用到的設(shè)計框架和參數(shù)確定
2.1 Python及 PyQt發(fā)展及簡介
2.1.1 Python語言簡介
2.1.2 PyQt簡介
2.2 Scikit learn庫簡介
2.3 基于Python算法庫的參數(shù)設(shè)置
2.3.1 試驗設(shè)計參數(shù)的確定
2.3.2 代理模型參數(shù)的確定
2.4 本章小結(jié)
3 基于Python的代理模型優(yōu)化平臺的設(shè)計與實現(xiàn)
3.1 優(yōu)化平臺需求分析以及設(shè)計目標
3.2 基于Python的代理模型優(yōu)化平臺的設(shè)計
3.2.1 優(yōu)化平臺功能模塊的劃分
3.2.2 優(yōu)化平臺功能模塊的控件的選擇
3.3 優(yōu)化平臺的搭建
3.3.1 主界面的搭建
3.3.2 試驗設(shè)計模塊的搭建
3.3.3 代理模型模塊的搭建
3.3.4 優(yōu)化模塊的搭建
3.4 本章小結(jié)
4 優(yōu)化平臺基本功能的驗證
4.1 標準函數(shù)庫
4.2 現(xiàn)有算例對比
4.2.1 試驗設(shè)計模塊對比
4.2.2 代理模型模塊對比
4.3 計算時間成本
4.4 本章小結(jié)
5 數(shù)值優(yōu)化算例
5.1 多約束優(yōu)化的背景
5.2 問題描述
5.3 應(yīng)用軟件求解數(shù)值算例
5.4 本章小結(jié)
6 工程實例應(yīng)用:激光切割工藝參數(shù)優(yōu)化
6.1 激光切割介紹
6.2 問題的分析和優(yōu)化
6.2.1 實驗設(shè)備、調(diào)節(jié)參數(shù)及目標的選擇
6.2.2 應(yīng)用優(yōu)化平臺建模及優(yōu)化
6.3 本章小結(jié)
結(jié)論
參考文獻
附錄 A 附錄內(nèi)容名稱
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝
本文編號:2953749
本文鏈接:http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2953749.html
最近更新
教材專著