一种基于机器学习的多目标协同优化高熵合金力学性能的设计方法

本发明公开了一种基于机器学习的多目标协同优化高熵合金力学性能的设计方法，属于金属材料设计技术领域；包括以下步骤：建立高熵合金数据集，收集成分特征建立特征集；确定用于成分设计的多个模型并优化模型；选出最具潜力的两个模型用穷举法筛选最优特征集并用贝叶斯优化算法优化超参数，综合R2和模型在额外数据集上的表现选出最佳模型；结合抗拉强度和延伸率模型进行多目标优化；设计出性能优异的过渡族高熵合金；制备设计的高熵合金；验证性能，获得多目标性能协同优化的目标合金材料。本发明通过使用机器学习模型预测合金性能，并利用遗传算法进行优化设计过程，快速生成具有优异力学性能的合金成分，得到同时具备高强度和高塑性的高熵合金。