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！

龙图腾网获悉浙江工业大学申请的专利融合SDR与小生境的NSGA-II多目标桁架结构优化方法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：CN121525208B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202610064657.7，技术领域涉及：G06F30/17；该发明授权融合SDR与小生境的NSGA-II多目标桁架结构优化方法是由彭翔;彭道轩;郭孝为;靳之博;颉俊;李吉泉;姜少飞设计研发完成，并于2026-01-19向国家知识产权局提交的专利申请。

本融合SDR与小生境的NSGA-II多目标桁架结构优化方法在说明书摘要公布了：本发明公开了一种融合SDR与小生境的NSGA‑II多目标桁架结构优化方法。方法包括：根据参数不同的桁架结构使用有限元分析方法建立桁架结构的在模型约束下的数学模型；对每个桁架结构的数学模型施加同样的预设外加载荷，然后使用融合SDR与小生境的多目标遗传NSGA‑II方法对各个数学模型中桁架结构的质量和柔度进行优化，获得最终优化的设计方案，以实现桁架结构的多目标优化。本发明方法面向具有质量‑柔度多指标并存、且伴随位移、应力等工程约束的桁架结构，可在复杂约束与多指标并存的桁架优化场景下，兼顾多样性与收敛性，降低冗余评估开销，获得更均衡且收敛性更好的优化解集，可提升工程可用性与鲁棒性。

本发明授权融合SDR与小生境的NSGA-II多目标桁架结构优化方法在权利要求书中公布了：1.一种融合SDR与小生境的NSGA-II多目标桁架结构优化方法，其特征在于，包括： 步骤1：根据参数不同的桁架结构使用有限元分析方法建立桁架结构的在模型约束下的数学模型； 步骤2：对每个桁架结构的数学模型施加同样的预设外加载荷，然后使用融合SDR与小生境的多目标遗传NSGA-II方法对各个数学模型中桁架结构的质量和柔度进行优化，获得最终优化的设计方案； 步骤3：根据最终优化的设计方案对桁架结构进行设计，实现桁架结构的多目标优化； 所述的步骤2具体如下： 步骤2.1：根据桁架结构的M个不同的目标个体以及自适应角度阈值划分获得N个小生境； 步骤2.2：在各个小生境的内部和小生境之间进行比较，并根据强化支配关系SDR进行各个小生境中的目标个体排序筛选，同时对各个小生境进行修复和补偿，最终获得若干精英解集； 步骤2.3：根据各个精英解集建立父代池，然后进行选择交叉变异产生子代集合； 步骤2.4：将子代集合重复步骤2.1-步骤2.3进行迭代求解，直至获得最终的一个Pareto解以确定最终优化的设计方案； 所述的步骤2.2中，在各个小生境的内部进行比较时，针对每个小生境及其内部的各个目标个体，获得每个目标个体的收敛性指标并从小到大排序，同时获得每个目标个体的共享适应度如下： ； ； ； 其中，和分别为第i个目标个体的最终的共享适应度和初始的共享适应度；为多样性权重；和分别为当前迭代代数和最大迭代代数；和分别表示第i个目标个体的方向向量与其它各个目标个体的方向向量之间的最小和最大夹角距离；为第一正数；为第i个目标个体的适应度；为第i个目标个体的共享密度因子；为除了第i个目标个体的其它目标个体的集合；为衰减敏感系数；为第i个和第j个目标个体的方向向量之间的夹角，为自适应角度阈值； 在小生境内部根据各个目标个体的收敛性指标进行排序，当小生境内部的目标个体数量大于MN个时，则选取其中共享适应度高的MN个目标个体进行跨小生境的比较； 在各个小生境之间进行比较时，则根据每个小生境中选取出的MN个目标个体，通过引入角度比例修正因子对每个目标个体的收敛性进行加权比较，如下： ； 其中，和分别为第i个和第j个目标个体的收敛性指标； 则此时第j个目标个体优于第i个目标个体，将各个目标个体进行依次排序获得精英解集及其排列顺序SDRniche。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。