一种基于主动学习和动态加权采样的飞行器结构智能优化方法

本发明公开了一种基于主动学习和动态加权采样的飞行器结构智能优化方法。该方法利用神经网络对昂贵约束函数开展近似建模，结合结构优化设计问题的具体特征，开展了针对飞行器结构多约束优化问题中昂贵约束的主动学习策略研究，提出了基于增广拉格朗日乘子法的多约束主动学习优化方法。首先利用增广拉格朗日乘子法将原多约束优化问题增广为含约束惩罚项的极值优化问题，然后将约束惩罚项极值优化问题的求解融入昂贵约束代理模型的动态修正过程中，以实现代理模型的主动学习与自适应采样。本发明为含有昂贵约束条件的飞行器结构轻质化确定性与可靠性设计提供高效的近似优化方法。