-
公开(公告)号:CN114861557A
公开(公告)日:2022-08-05
申请号:CN202210782872.2
申请日:2022-07-05
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/08 , G06N3/12 , G06F111/06
Abstract: 本发明公开了一种动态使用神经网络的多目标优化方法及系统,涉及多目标优化算法技术领域,该方法包括获取遗传算法第一代个体的决策变量,并将获取的决策变量放入仿真器以获得对应的性能指标;对神经网络模型进行训练;将遗传算法第一代个体对应的性能指标转化为适应度函数,并基于快速非支配排序算法获得可行解集和不可行解集中的支配关系,然后使用可达性算法在可行解集与不可行解集的非支配前沿中挑选下一代的父代个体;获得当前代个体的决策变量,并将该决策变量放入仿真器以得到性能指标;通过可达性算法挑选下一代的可行的和不可行的父代个体,对下一代各算子产生的个体数量进行动态分配。本发明能够在物理仿真比较复杂而计算资源有限的情况下解决多目标优化问题。
-
公开(公告)号:CN116669277A
公开(公告)日:2023-08-29
申请号:CN202310570317.8
申请日:2023-05-19
Applicant: 武汉大学
Abstract: 本发明公开了一种高阶模阻尼腔及使用方法,涉及粒子加速器技术领域,其中高阶模阻尼腔,包括:球形腔体;束管型吸收器,其包括沿球形腔体相对设置的第一束管和第二束管,第一束管、第二束管和球形腔体连通,且第一束管的直径大于第二束管的直径;多个矩形波导吸收器,其围绕第一束管倾斜设置在球形腔体上,矩形波导吸收器与球形腔体连通,且矩形波导吸收器的倾斜角度可调节。本发明可满足光源束流稳定性对高阶模提出的抑制要求,可实现高阶模的深度阻尼。
-
公开(公告)号:CN114861557B
公开(公告)日:2022-10-25
申请号:CN202210782872.2
申请日:2022-07-05
Applicant: 武汉大学
IPC: G06F30/27 , G06N3/08 , G06N3/12 , G06F111/06
Abstract: 本发明公开了一种动态使用神经网络的多目标优化方法及系统,涉及多目标优化算法技术领域,该方法包括获取遗传算法第一代个体的决策变量,并将获取的决策变量放入仿真器以获得对应的性能指标;对神经网络模型进行训练;将遗传算法第一代个体对应的性能指标转化为适应度函数,并基于快速非支配排序算法获得可行解集和不可行解集中的支配关系,然后使用可达性算法在可行解集与不可行解集的非支配前沿中挑选下一代的父代个体;获得当前代个体的决策变量,并将该决策变量放入仿真器以得到性能指标,通过可达性算法挑选下一代的可行的和不可行的父代个体,对下一代各算子产生的个体数量进行动态分配。本发明能够在物理仿真比较复杂而计算资源有限的情况下解决多目标优化问题。
-
-