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！

龙图腾网获悉东南大学;南京集成电路设计自动化技术创新中心申请的专利增量多保真度机器学习辅助的混合优化方法与系统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：CN119272627B 。

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：202411380654.1，技术领域涉及：G06F30/27；该发明授权增量多保真度机器学习辅助的混合优化方法与系统是由王海明;陈炜琦;无奇;余晨;洪伟设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本增量多保真度机器学习辅助的混合优化方法与系统在说明书摘要公布了：本发明公开了一种增量多保真度机器学习辅助的混合优化方法与系统，方法主要包括初始设置与初始样本获取、全局低保真度代理模型与残差模型训练、全局优化、局部代理模型训练与优化、低保真度全波仿真并更新代理模型再预测与高保真度仿真等步骤。该方法在训练和更新代理模型的过程中引入多保真度模型和自适应增量学习，可以有效降低采样和训练的计算复杂度，同时在优化的过程中采用全局多目标与局部单目标的混合优化算法，能够提升算法搜索的效率。该方法可用于设计参数在20‑50维的中等规模天线、阵列、滤波器等多目标电磁器件的优化设计等领域。

本发明授权增量多保真度机器学习辅助的混合优化方法与系统在权利要求书中公布了：1.一种增量多保真度机器学习辅助的混合优化方法，其特征在于，包括以下步骤： 1定义优化问题的设计变量、优化指标和优化空间，利用拉丁超立方采样得到低保真度初始样本并进行低保真度全波仿真得到响应值，从低保真度初始样本中选取样本进行高保真度全波仿真得到响应值； 2对每个优化目标分别利用协同克里金模型训练得到低保真度代理模型以及残差模型 3通过多目标优化算法进行全局优化，得到多目标问题的多个帕累托最优解； 4在每个帕累托最优解的邻域内进行拉丁超立方采样，样本的响应值通过步骤2中的全局代理模型预测得到，基于每个帕累托最优解的邻域内的样本训练得到局部代理模型，再利用基于梯度的单目标优化算法进行局部优化，得到多组局部最优的参数组合，并根据适应度函数值进行排序，局部优化的适应度函数值为各目标的预测值的加权和； 5从排序后的多组局部最优的参数组合中选择预设组数的最优的参数组合进行低保真度全波仿真，采用自适应增量学习的方式更新代理模型以降低训练的计算复杂度；在达到预设条件时，低保真度代理模型的超参数采用重新训练的方式更新，否则，代理模型采用增量学习方式更新； 6利用代理模型预测步骤5中得到预设组数的最优的参数组合，从中选择响应最好的一组参数组合进行高保真度全波仿真；如果仿真的结果满足设计指标，退出循环，否则更新数据集并返回步骤2，优化继续。

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东南大学;南京集成电路设计自动化技术创新中心，其通讯地址为：211189 江苏省南京市江宁区东南大学路2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”。

以上内容由龙图腾AI智能生成。