基于演化强化学习的抗爆点阵结构优化方法、装置、电子设备及介质

本技术涉及点阵结构优化，尤其是涉及一种基于演化强化学习的抗爆点阵结构优化方法、装置、电子设备及介质。

背景技术：

1、点阵结构凭借其轻质高强、可设计性强以及优异的吸能与抗冲击性能，在防护工程、抗爆结构和缓冲吸能装置中展现出广阔的应用前景。

2、在抗爆点阵夹芯板设计中，结构的力学性能不仅受材料特性影响，更与其多种结构参数紧密相关，常见结构优化方法包括将胞元种类、孔隙率和相对体积作为设计变量，在强度和刚度约束下以能量吸收能力最大化为目标，采用萤火虫算法进行全局寻优。

3、然而，这种方法将所有参数置于同一优化框架下统一处理，会造成优化过程中不同维度参数耦合过强、搜索效率低下，并且在不同工况下必须重新执行整个优化过程，计算成本高。

4、因此，现有技术存在不同维度参数统一优化导致耦合过强、搜索效率不足以及计算成本过高的问题。

技术实现思路

1、为了解决现有技术中存在的基于演化强化学习的抗爆点阵结构优化中不同维度参数统一优化导致耦合过强、搜索效率不足以及计算成本过高的问题，本技术提供一种基于演化强化学习的抗爆点阵结构优化方法、装置、电子设备及介质。

2、本技术提供一种基于演化强化学习的抗爆点阵结构优化方法，采用如下的技术方案：

3、一种基于演化强化学习的抗爆点阵结构优化方法，包括：

4、将抗爆点阵结构的设计变量划分为宏观参数及局部参数；

5、以预设的轻量化指标和抗爆性能指标为优化目标，采用非支配排序遗传算法对各设计变量进行全局寻优，得到基准结构；

6、固定所述基准结构中的宏观参数，采用演化强化学习对所述基准结构中的局部参数进行优化以训练策略网络；训练过程中，基于当前的工况参数及局部参数，调用所述策略网络输出参数调整动作以更新局部参数；

7、将训练完成的策略网络部署至目标工况，从所述基准结构出发，基于所述目标工况的工况参数，调用所述策略网络输出参数调整动作以更新局部参数并迭代，直至满足第一终止条件，基于最新的局部参数及所述基准结构中的宏观参数输出相应抗爆点阵结构。

8、根据一些实施例，上述的以预设的轻量化指标和抗爆性能指标为优化目标，采用非支配排序遗传算法对各设计变量进行全局寻优，得到基准结构，包括：

9、设定各设计变量的上下限作为全局寻优过程中各设计变量的赋值约束；

10、初始化nsga-ii种群得到多个个体，每个个体表示一组设计变量值；

11、基于每个个体分别计算所述轻量化指标和抗爆性能指标，根据非支配排序和拥挤距离基于计算的结果评价每个个体，并基于评价的结果执行选择、交叉和变异操作生成后代种群；

12、针对当前生成的后代种群中的每个个体，返回执行基于每个个体分别计算所述轻量化指标和抗爆性能指标的步骤，直至满足第二终止条件，从得到的帕累托前沿中选取最优个体作为所述基准结构。

13、根据一些实施例，上述的采用演化强化学习对所述基准结构中的局部参数进行优化以训练策略网络，包括：

14、基于抗爆点阵结构的有限元模型构成强化学习环境，并确定当前的工况参数；

15、基于当前的工况参数及局部参数调用所述策略网络输出参数调整动作，基于当前输出的参数调整动作更新局部参数，并返回执行基于当前的工况参数及局部参数调用所述策略网络输出参数调整动作的步骤，直至满足第三终止条件；

16、更新工况参数，并返回执行基于当前的工况参数及局部参数调用所述策略网络输出参数调整动作的步骤，直至满足第四终止条件。

17、根据一些实施例，上述的基于当前输出的参数调整动作更新局部参数，包括：

18、对当前输出的参数调整动作施加种群扰动以确定候选动作；

19、通过适应度评价对当前确定的各候选动作进行评分，并基于评分的结果选择最优的候选动作；

20、基于当前选择的最优的候选动作更新局部参数。

21、根据一些实施例，上述的基于当前输出的参数调整动作更新局部参数之后，还包括：

22、基于当前更新后的局部参数及所述基准结构中的宏观参数，计算相应的轻量化指标及抗爆性能指标；

23、基于当前计算得到的各指标与上一次计算得到的各指标生成奖励，并给予相应奖励信号反向调整所述策略网络的网络参数。

24、根据一些实施例，上述的所述工况参数为当前工况对应的爆炸载荷，所述基于当前的工况参数及局部参数调用所述策略网络输出参数调整动作，包括：

25、对当前的局部参数及所述基准结构中的宏观参数建立对应的有限元模型，基于当前建立的有限元模型施加当前的爆炸载荷得到结构响应，基于当前得到的结构响应提取局部状态量，基于当前提取的局部状态量调用所述策略网络输出参数调整动作；

26、计算所述轻量化指标和抗爆性能指标，包括：

27、对当前待计算的一组局部参数及宏观参数建立对应的有限元模型，基于当前建立的有限元模型施加指定的爆炸载荷得到结构响应，基于当前得到的结构响应提取所述轻量化指标和抗爆性能指标。

28、根据一些实施例，上述的抗爆点阵结构为抗爆点阵夹芯结构，所述宏观参数包括所述抗爆点阵结构的胞元数量、芯层高度、前面板厚度、背板厚度和芯层杆件半径，所述局部参数包括各个胞元分别的杆件半径、前面板厚度和背板厚度，所述轻量化指标包括结构质量，所述抗爆性能指标包括爆炸载荷作用下背板最大位移，所述局部状态量包括各胞元的几何参数、应变能、邻域应变能、背板位移场以及结构总质量。

29、本技术提供一种基于演化强化学习的抗爆点阵结构优化装置，包括：

30、参数划分模块，用于：将抗爆点阵结构的设计变量划分为宏观参数及局部参数；

31、全局优化模块，用于：以预设的轻量化指标和抗爆性能指标为优化目标，采用非支配排序遗传算法对各设计变量进行全局寻优，得到基准结构；

32、局部优化模块，用于：固定所述基准结构中的宏观参数，采用演化强化学习对所述基准结构中的局部参数进行优化以训练策略网络；训练过程中，基于当前的工况参数及局部参数，调用所述策略网络输出参数调整动作以更新局部参数；

33、网络部署模块，用于：将训练完成的策略网络部署至目标工况，从所述基准结构出发，基于所述目标工况的工况参数，调用所述策略网络输出参数调整动作以更新局部参数并迭代，直至满足第一终止条件，基于最新的局部参数及所述基准结构中的宏观参数输出相应抗爆点阵结构。

34、本技术提供一种电子设备，采用如下的技术方案：

35、一种电子设备，该电子设备包括：

36、处理器；

37、存储器，存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行上述基于演化强化学习的抗爆点阵结构优化方法。

38、本技术提供一种计算机可读介质，采用如下技术方案：

39、一种计算机可读介质，其上存储有计算机程序，当计算机程序被处理器执行时，使得处理器执行上述基于演化强化学习的抗爆点阵结构优化方法。

40、根据本技术所提供的上述实施例，将抗爆点阵结构的设计变量划分为宏观参数及局部参数，采用非支配排序遗传算法进行全局寻优得到基准结构后，固定宏观参数利用演化强化学习优化局部参数，从而有效解耦了不同维度参数间的强耦合关系，避免了全局优化过程中因参数维度差异导致的搜索效率低下问题；同时，通过训练可迁移的策略网络，使优化结果能够适应不同工况条件，显著降低了重复优化的计算成本，具有解耦宏观与局部参数优化、提高搜索效率、降低计算成本的优点。