一种基于数据驱动的飞行器分层协同优化方法

本发明涉及飞行器设计技术领域，具体涉及一种基于数据驱动的飞行器分层协同优化方法，通过拉丁超立方采样获取低保真数据集，利用LightGBM机器学习模型进行回归预测和优化，当模型精度达标后采用CETLBO算法进行低保真优化；随后通过SHAP方法分析设计变量贡献度并分组，将高维问题分解为多个低维子问题；最后基于分组结果进行高保真协同优化。该方法有效解决了传统气动优化中计算效率低、高维优化困难和精度不足等问题，实现了计算效率与优化精度的平衡，显著提升了飞行器气动性能。