基于机器学习的多热源多材料增材制造优化方法及系统

本申请提出了一种基于机器学习的多热源多材料增材制造优化方法及系统，涉及增材制造领域，步骤如下：实时采集工艺参数、材料物性及目标响应数据，构建多源数据集。基于此训练多任务学习模型，提取共性特征并同步预测目标响应，将预测值构建代理目标函数，误差超阈值则实验验证、反馈新数据更新模型。将权重系数用于多目标进化算法，迭代筛选Pareto候选解集，验证高不确定性解，更新模型至误差收敛。用熵权‑TOPSIS法选最优参数组合并部署，嵌入在线学习机制形成闭环优化。该方法结合多任务学习与自适应进化算法，可实现多热源多材料增材制造工艺参数的高效优化。