一种基于机器学习的红外隐身材料膜层优化设计方法

本发明公开了一种基于机器学习的红外隐身材料膜层优化设计方法，包括：（1）构建以最小化红外隐身材料膜层光谱发射率的误差目标值的数学优化模型；（2）采用拉丁超立方采样产生种群；（3）构建注意力信息增强的结合最大信息系数的克里金机器学习模型；（4）基于误差目标值和多样性指标分别生成第一类子种群和第二类子种群；（5）对第一类子种群执行维度扰动驱动的梯度下降变异，基于预测误差筛选第一个子代个体；（6）对第二类子种群执行双层差分变异，基于期望提升值筛选第二个子代个体；（7）执行仿真分析并更新数据库，返回步骤（3）直至仿真分析次数达到设计周期。本发明能够提高红外隐身材料膜层设计问题的收敛精度。