技术摘要：
本发明公开了基于自适应信息粒化的适应值估计方法,包括以下步骤：S1：选取标准粒子群算法为基本算法；S2：建立自适应信息粒化模型；S3：验证AIGPSO算法的有效性；S4：将该方法应用于轻量化飞机机翼优化设计问题；解决了在保证估值准确度的前提下，最大程度的减少适应值  全部
背景技术：
为了解决计算费时的优化问题，使用计算廉价的适应值估计来代替真正计算费时 的适应值评价是一种常见的方法。面对多种适应值估计方法，哪种适应值估计方法更好，面 对现实中不同的实际工程应用，这个问题很难做出回答。但如果在适应值估计精度能够得 到满足的情况下，应优先使用计算量较小的方法。一般来说，适应值继承只根据新个体父代 的平均适应值或基于新个体与其他个体相似性的加权平均值来评估新个体的适应值。适应 性继承方法的优势在于，它的计算开销远小于训练代理模型的计算开销。因此，从相对简单 的适应值继承方法入手来确定哪些个体将使用真正的目标函数进行实际计算，哪些个体将 使用本发明所提出的更为可靠的适应值继承方法进行适应值估计。
技术实现要素：
为解决现有技术中存在的问题，本发明提供了基于自适应信息粒化的适应值估计 方法，解决了在保证估值准确度的前提下，最大程度的减少适应值的实际计算次数的问题。 本发明采用的技术方案是，基于自适应信息粒化的适应值估计方法,包括以下步 骤： S1：选取标准粒子群算法为基本算法； S2：建立自适应信息粒化模型； S3：验证AIGPSO算法的有效性； S4：将该方法应用于轻量化飞机机翼优化设计问题。 本发明基于自适应信息粒化的适应值估计方法有益效果如下： 本发明从考虑适应值函数的崎岖性对个体间相似度影响的角度出发，以标准粒子 群算法作为基本算法，提出了一种基于相似度的自适应信息粒化模型，同时，通过自适应调 整邻域半径及相似度阈值等参数来自适应调整适应值实际计算的频率，力求在估值准确度 和适应值实际计算频率之间达到一种平衡，从而在保证估值准确度的前提下，最大程度的 减少适应值的实际计算次数。 附图说明 图1为本发明基于自适应信息粒化的适应值估计方法的2维Rosenbrock函数图 图2为本发明基于自适应信息粒化的适应值估计方法的不同landscape条件下的 粒的大小变化图 图3为本发明基于自适应信息粒化的适应值估计方法的Ackley函数在5维、10维、 20维及30维上的箱线图 图4为本发明基于自适应信息粒化的适应值估计方法的Griewank函数在5维、10 3 CN 111581728 A 说　明　书 2/12 页 维、20维及30维上的箱线图 图5为本发明基于自适应信息粒化的适应值估计方法的Rastrigin函数在5维、10 维、20维及30维上的箱线图 图6为本发明基于自适应信息粒化的适应值估计方法的总系统框图