基于神经网络模型的优化方法、设备、介质和程序产品

本发明公开了基于神经网络模型的优化方法、设备、介质和程序产品，方法包括：（1）基于SFE‑Concept为汽车后副车架建模，根据自适应罚函数构造一阶模态最大化数学模型，基于拉丁超立方产生优化种群，在Isight多学科优化设计平台中对优化种群进行一阶模态与刚度仿真分析；（2）通过基于立方核径向基函数机器学习模型的差分进化产生最优候选子种群和成功设计变量向量；（3）训练Dropout神经网络模型以得到进化参数；（4）基于Dropout神经网络模型更新进化参数；（5）基于进化参数更新优化种群，若达到收敛条件，则输出最优后副车架，否则，返回步骤（2）。本发明根据Dropout神经网络模型自适应调整进化参数，对汽车后副车架模态优化问题适应性强。