基于自組織映射和K-means聚類的分層設(shè)計空間動態(tài)縮減方法及其在船型優(yōu)化中的應(yīng)用

摘要： [目的]基于CFD的船型優(yōu)化由于其高維、計算昂貴、“黑盒”等特點，通常會存在優(yōu)化效率低，優(yōu)化質(zhì)量差的問題。針對以上問題，基于自組織映射方法和K-means聚類提出分層設(shè)計空間動態(tài)縮減方法（HSRM）。[方法]利用K-means聚類算法，對自組織映射方法的可視化結(jié)果進(jìn)行聚類，并提取感興趣的區(qū)域。通過該方式，可在船型優(yōu)化過程中，對樣本仿真數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘、提取設(shè)計知識、指導(dǎo)設(shè)計優(yōu)化... （共10頁）