(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111613550.7 (22)申请日 2021.12.27 (71)申请人 中国人民解 放军军事科学院国防科 技创新研究院 地址 100071 北京市丰台区东大街5 3号 (72)发明人 姚雯　苗青　王象　陈献琪　 龚智强　 (74)专利代理 机构 北京奥文知识产权代理事务 所(普通合伙) 11534 代理人 张文 (51)Int.Cl. G06F 30/15(2020.01) G06F 30/18(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01)G06N 3/08(2006.01) G06K 9/62(2022.01) G06F 119/08(2020.01) (54)发明名称 基于神经网络代理模型的组件热布局优化 设计方法 (57)摘要 本发明公开了一种基于神经网络代理模型 的组件热布局优化 设计方法， 包括： S1， 生成训练 数据集； S2， 利用训练数据集训练深度神经网络 模型以拟合布局与温度场的映射关系； S3， 构建 基于深度神经网络模型的组件布局优化设计问 题， 求解当前最优组件布局； S4， 根据当前最优组 件布局， 生成多个局部样本数据和全局样本数 据； S5， 在训练数据集中添加局部样本数据和全 局样本数据， 利用更新的训练数据集更新深度神 经网络模型参数， 利用优化算法求解当前最优组 件布局； S6， 判断前后两次得到的最优组件布局 的温度场最高温度差值是否在预设数据区间， 若 否， 返回S4。 本发明能提高神经网络代理模型在 潜在最优点附近区域的预测精度， 降低计算成 本， 提高优化效率。 权利要求书2页 说明书7页 附图2页 CN 114417499 A 2022.04.29 CN 114417499 A 1.一种基于神经网络代理模型的组件热布局优化设计方法， 其特征在于， 包括以下步 骤： S1， 确定组件布局区域和组件数量， 生成包括多个训练数据的训练数据集， 其中， 所述 训练数据包括组件布局及组件布局对应的温度场； S2， 构建深度神经网络模型， 利用所述训练数据集训练所述深度神经网络模型以拟合 组件布局与温度场的映射关系； S3， 构建基于深度神经网络模型的组件布局优化设计问题， 基于训练后的深度神经网 络模型， 利用优化 算法求解组件布局优化设计问题， 获取当前最优组件布局； S4， 根据获取的当前最优组件布局， 按照预设比例生成多个包括相似组件布局及相似 组件布局对应的温度场的局部样本数据和多个包括偏差组件布局及偏差组件布局对应的 温度场的全局样本数据， 其中， 所述相似组件布局表示与所述最优组件布局在设计空间中 的相对移动数量不超过第一预设数量， 且在设计空间中的相对距离不超过第一预设距离的 组件布局， 所述偏差组件布局表示与所述最优组件布局在设计空间中的相对移动数量不小 于第二预设数量， 且在设计空间中的相对距离不小于第二预设距离的组件布局， 两个组件 布局在设计空间中的相对移动数量定义为一个组件布局变换为另一个组件布局时， 所有组 件中需要进行移动的组件数量， 两个组件布局在设计空间中的相对距离定义为一个组件布 局变换为另一个组件布局时， 所有组件在组件布局区域中所需移动的最短距离之和； S5， 在当前训练数据集中添加所述局部样本数据和所述全局样本数据， 以对训练数据 集进行更新， 利用更新后的训练数据集更新所述深度神经网络模型参数， 基于更新后的深 度神经网络模型， 利用优化 算法求解组件布局优化设计问题， 获取当前最优组件布局； S6， 判断当前求解得到的最优组件布局对应的温度场 最高温度与前一 次求解得到的最 优组件布局对应的温度场最高温度的差值是否在预设数值区间， 若是， 则将当前求解得到 的最优组件布局作为 最终最优组件布局方案， 若否， 则返回步骤S4。 2.根据权利要求1所述的基于神经网络代理模型的组件热布局优化设计方法， 其特征 在于， 所述 生成包括多个训练数据的训练数据集， 包括： 对组件布局区域进行网格划分， 根据组件数量随机挑选对应数量的网格放置组件得到 一个组件布局Xi， 利用有限元 分析方法仿真计 算组件布局对 应的温度场Ti， 得到一个包括组 件布局及组件布局对 应的温度场的训练数据(Xi,Ti)， 重复多次随机 生成过程直至获得预 设 数量n的训练数据， 得到包括 n个训练数据的训练数据集{(Xi,Ti)|i＝1,2,…,n}。 3.根据权利要求2所述的基于神经网络代理模型的组件热布局优化设计方法， 其特征 在于， 当组件布局区域为方形区域时， 将组件布局区域划分为M1×M2个网格， 且使得每个网 格刚好能够放置一个组件。 4.根据权利要求1 ‑3中任一项所述的基于神经网络代理模型的组件热布局优化设计方 法， 其特征在于， 所述深度神经网络模型采用特 征金字塔网络 。 5.根据权利要求4所述的基于神经网络代理模型的组件热布局优化设计方法， 其特征 在于， 构建基于深度神经网络模型的组件布局优化设计问题为：权　利　要　求　书 1/2 页 2 CN 114417499 A 2其中， X表示最优组件布局， f(X)表示目标函数， T表示组件布局对应 的温度场， max(T) 表示温度场T的最高温度， 表示训练深度神经网络模型得到的代理模型， 所述组 件布局优化设计问题的求解过程是通过优化组件的位置来增强组件布局区域的热传导效 率， 找到温度场最高温度最低的组件布局， 得到当前代理模型 下的最优组件布局。权　利　要　求　书 2/2 页 3 CN 114417499 A 3