基于机器学习的周期性栅格结构拓扑优化方法研究

本研究解决了周期性栅格结构拓扑优化过程中数据表示不足的问题。采用机器学习的方法，结合成员连接性考虑进行特征选择和过滤，以提高模型性能。研究表明，通过使用过滤后的数据作为输入，模型精度显著提升，同时在计算时间方面也优于传统的模拟退火方法。