基本信息:
- 专利标题： 基于深度强化学习的钢-混凝土组合梁构件截面优化方法
- 申请号：CN202411091602.2 申请日：2024-08-09
- 公开(公告)号：CN118917204A 公开(公告)日：2024-11-08
- 发明人： 林晨豪 , 付波 , 李娜 , 褚丞一 , 王佳权 , 李梓捷
- 申请人： 杭州铁木辛柯建筑结构设计事务所有限公司
- 申请人地址： 浙江省杭州市拱墅区康宁街35号339室
- 专利权人： 杭州铁木辛柯建筑结构设计事务所有限公司
- 当前专利权人： 杭州铁木辛柯建筑结构设计事务所有限公司
- 当前专利权人地址： 浙江省杭州市拱墅区康宁街35号339室
- 代理机构： 杭州求是专利事务所有限公司
- 代理人： 林超
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06F30/13 ; G06N3/006 ; G06N3/092
摘要：
本发明公开了一种基于深度强化学习的钢‑混凝土组合梁构件截面优化方法。方法包括建立一个包含国标规范约束条件的强化学习环境，定义环境的状态空间、动作空间和奖励函数，采用近端策略优化算法PPO训练一个能够自主进行钢‑混凝土组合梁构件设计的PPO智能体，选择训练过程中表现最优的智能体，并将最优的智能体部署至生产环境，利用该智能体对钢‑混凝土组合梁构件截面进行优化设计。本发明通过采用强化学习范式对钢‑混凝土组合梁构件设计问题进行建模，采用PPO算法训练智能体，使其能够自主在给定截面参数范围中设计出较优的钢梁截面，有利于提高结构设计效率，节约钢结构建筑的材料成本，并减少碳排放。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |