A method and system for design optimization that incorporates the advantages of both traditional response surface methodology (RSM) and neural networks is disclosed. The present invention employs a unique strategy called parameter-based partitioning of the given design space. In the design procedure, a sequence of composite response surfaces based on both neural networks and polynomial fits is used to traverse the design space to identify an optimal solution. The composite response surface has both the power of neural networks and the economy of low-order polynomials (in terms of the number of simulations needed and the network training requirements). The present invention handles design problems with many more parameters than would be possible using neural networks alone and permits a designer to rapidly perform a variety of trade-off studies before arriving at the final design.

Een methode en een systeem voor ontwerpoptimalisering die de voordelen van zowel de traditionele methodologie van de reactieoppervlakte (RSM) en worden neurale netwerken opneemt onthuld. De onderhavige uitvinding wendt een unieke strategie aan riep hetgebaseerde verdelen van de bepaalde ontwerpruimte. In de ontwerpprocedure, wordt een opeenvolging van samengestelde reactieoppervlakten die op zowel neurale netwerken als uit meerdere namen bestaande pasvormen worden gebaseerd gebruikt om de ontwerpruimte over te steken om een optimale oplossing te identificeren. De samengestelde reactieoppervlakte heeft zowel de macht van neurale netwerken als de economie van low-order veeltermen (in termen van het aantal nodig simulaties en netwerk opleidingsvereisten). De huidige het ontwerpproblemen van uitvindingshandvatten met veel meer parameters dan mogelijk gebruikend neurale netwerken alleen zou zijn en een ontwerper toelaat om een verscheidenheid van inruilstudies snel uit te voeren alvorens bij het definitieve ontwerp aan te komen.