买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉云南师范大学申请的专利多层吸波体的参数寻优方法、模型、系统及可读存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120373160B 。

龙图腾网通过国家知识产权局官网在2025-08-26发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510867786.5，技术领域涉及：G06F30/27；该发明授权多层吸波体的参数寻优方法、模型、系统及可读存储介质是由杨成福;李婧;阿琴花;兰秋松;赵建龙;夏瑞阳;宁悦设计研发完成，并于2025-06-26向国家知识产权局提交的专利申请。

本多层吸波体的参数寻优方法、模型、系统及可读存储介质在说明书摘要公布了：本申请涉及吸波体智能设计技术领域，尤其涉及一种多层吸波体的参数寻优方法、模型、系统及可读存储介质。采用正向预测模型预测待测多层吸波体的回波损耗，其中，所述正向预测模型包括多个基模型堆叠泛化构成的特征矩阵，以及用于对所述特征矩阵输出的特征预测结果进行二次特征学习的元模型；将所述回波损耗输入至逆向预测模型预测所述待测多层吸波体对应的结构参数；基于遗传算法对所述结构参数进行寻优，并输出寻优后的结构参数作为多层吸波体的参数寻优结果。旨在解决如何对多层吸波体的设计参数进行仿真寻优的问题。

本发明授权多层吸波体的参数寻优方法、模型、系统及可读存储介质在权利要求书中公布了：1.一种多层吸波体的参数寻优方法，其特征在于，所述方法包括以下步骤： 采用正向预测模型预测待测多层吸波体的回波损耗，其中，所述正向预测模型包括多个基模型堆叠泛化构成的特征矩阵，以及用于对所述特征矩阵输出的特征预测结果进行二次特征学习的元模型； 将所述回波损耗输入至逆向预测模型预测所述待测多层吸波体对应的结构参数； 基于遗传算法对所述结构参数进行寻优，并输出寻优后的结构参数作为多层吸波体的参数寻优结果； 所述采用正向预测模型预测待测多层吸波体的回波损耗的步骤之前，还包括： 在1-20GHz频段内对训练用多层吸波体进行多次仿真，得到波反射损耗数据和吸收率数据，构成初始数据集； 依次对所述初始数据集进行数据插值扩充处理、目标变量平滑化处理、特征交互处理和标准化处理，得到所述正向预测模型的训练用数据集，以通过所述训练用数据集对正向预测模型进行训练； 在采用所述训练用数据集对所述正向预测模型进行训练的过程中，基于粒子群优化算法优化所述正向预测模型中的超参数； 所述基于粒子群优化算法优化所述正向预测模型中的超参数的步骤，包括： 初始化搜索空间，其中，所述搜索空间中的每个粒子的初始位置作为所述超参数的候选解，每个粒子的位置看作是一个向量，每个维度对应一个超参数在搜索空间中的取值，搜索空间的大小作为超参数的取值范围； 计算每个所述粒子的当前适应度； 基于位置更新公式更新粒子的位置，并计算每次更新后各个粒子的适应度，所述位置更新公式包括： ； ； 式中，vi t是粒子i在第t次迭代的速度，xi t为粒子i在第t次迭代的位置，pbesti是粒子i的历史最佳位置，gbesti是全局最佳位置，c1和c2是学习因子，用于控制粒子在个人最佳位置和全局最佳位置之间权衡，r1和r2是随机数，用于控制粒子搜索方向，表示惯性权重，用于控制粒子当前速度对下一代速度的影响程度，调节全局与局部搜索能力的平衡； 迭代更新每个所述粒子的位置，当迭代次数满足预设迭代次数阈值或所述粒子对应的适应度值收敛时，将各个粒子关联的当前超参数取值作为最优超参数组合输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。