本发明涉及多学科仿真优化，具体为一种多学科分布式并行优化的自动部署方法。
背景技术：
1、随着工业设计生产的智能化转型，越来越多的设计制造行业需要使用分布式优化方案，分布式优化方案是一种通过多智能体之间的合作协调来有效解决优化问题的策略。它主要针对的是那些集中式算法难以胜任的大规模、复杂的优化问题。
2、在实际的多学科分布式优化中，用户需要预先将各种结构、热、电磁等多学科多领域仿真器安装部署到云端的大规模计算集群中才能实现分布式调用，考虑到云端节点操作系统的差异、各类仿真器环境要求的差异、各类仿真器安装部署步骤的差异性与困难性，部署工作极大增加了多学科分布式优化的难度，由于许可证、gui支持、软件安装复杂等问题的限制，传统的基于docker的部署方式并不能应用于多学科仿真优化领域；同时，传统方法需要手动配置每个仿真器的运行环境，包括操作系统、依赖库等，过程繁琐且易出错，资源利用率低，学科间协同困难，针对现有技术的不足，本发明提供了一种多学科分布式并行优化的自动部署方法，以解决上述问题。
技术实现思路
1、为了更好地将多领域学科分布式优化软件应用于工业设计制造中，真正提高工程师设计制造的效率，本发明提出一种多学科分布式并行优化的自动部署方法，该方法采用关键技术“模型解释器”对用户提交的待优化工程进行各类求解仿真器的模型解释处理并生成适配云端计算节点的可执行程序，从而实现快速适配多学科并行优化软件，并完成一键式自动化部署任务。
2、为实现以上目的，本发明通过以下技术方案予以实现：一种多学科分布式并行优化的自动部署方法，包括如下步骤：
3、步骤s1，进行数据包接收，通过http协议与第三方设计平台接口通信，接收多学科工程的输入输出数据包；
4、步骤s2，分析数据包内容，采用指针链表方法生成多个设计点的序列指令，每个指令包含仿真器运行工程文件、附属输入数据和指定输出项，云端分布式中心根据指令类型和系统环境载荷要求分配计算节点；
5、步骤s3，采用模型解释器方法对每个学科的工程模型进行少量样本的求解并解释其模型的求解计算过程，从而训练得到满足大量样本并行化运行的高精度模型并转为可执行化运行程序，以便直接在步骤s4中部署使用；
6、步骤s4，将每一个学科对应的高精度可执行化运行程序mdexe下发到多个云端节点，云端节点执行mdexe，快速迭代计算s2生成的数据包并产出输出数据返回给第三方设计平台，实现多学科分布式并行化计算，完成多学科分布式并行优化的自动部署操作。
7、优选的，在步骤s1中，数据包包含各类学科的仿真工程文件和用户指定的输入输出数据。
8、优选的，在步骤s1中，多学科工程的输入输出数据包由json文本和模型文件组成，其中json文本包含节点连线关系信息、各节点配置信息，模型文件为各学科待求解模型工程文件。根据学科的不同文件类型不同，例如电磁仿真通常为hfss工程文件；电路仿真通常为ads工程文件。
9、优选的，在步骤s2中，指针链表方法指根据步骤s1中提供的json文本中的节点连线关系生成一个复合节点链表结构体，每个节点链表结构体包含输入节点向量、输出节点向量、节点配置信息，根据节点链表结构体再递归生成多学科求解的指令序列。
10、优选的，在步骤s3中，模型解释器方法指其总结构使用程序设计的工厂模式，提供生产mdexe的接口，不同的仿真器将继承实现具体的mdexe生产方法。
11、优选的，mdexe生产方法是监控具体求解器的单次运行瞬态数据，通常为网格下各节点的数据，具体物理场景下数据类型不同，并根据具体求解器类型的假设模型及瞬态数据的时空导数矩阵来提取生成未知的偏微分方程矩阵，简称特征提取描述pdes，对模糊矩阵使用短期信息神经网络算法进行加噪处理，完成高精度提炼，最终达到仿真器同等精度的方程组矩阵，将网格剖分工具与方程组矩阵编译生成可执行化运行程序mdexe，mdexe将最终和包含参数配置的单指令集提交给计算节点运行生成输出数据。
12、优选的，在步骤s3中训练的第二层短期神经网络模型采用了本方法自定义结合偏微分矩阵数据损失函数的优化过程，该方法显著提高了计算精度，当满足总损失值小于0.01后推出训练，并利用pyinstaller库将模型进行打包转换为mdexe执行程序。
13、优选的，在步骤s4中，云端节点指物理层面通过交换机连接的计算机网络集群，控制调度层面为将步骤s3生成的mdexe和步骤s2生成的指令集组成的任务包通过http协议发送给中心服务器，服务器再结合第三方负载均衡工具自动将任务包转发到计算机网络集群节点中进行运行。
14、优选的，在步骤s3中，模型解释器通过输入数据训练两层神经网络模型，第一层为多层感知机mlp模型，其输入为设计参数，输出为时空节点数据，第二层为短期神经网络lstm模型，其输入为时空节点数据，输出为指定的性能指标。通过两层模型完成了从输入设计参数到输出性能指标的闭环，为工程优化提供高精度数据依据。
15、优选的，多学科优化平台软件将携带具体的仿真器版本、工程文件、输入输出数据包的json数据包传递给本发明自动部署方法，自动部署方法将指令序列发送给负载均衡器，利用负载均衡器给自动部署方法分配节点，自动部署方法与负载均衡器通信获取当前资源闲置的计算节点，并将可执行化运行程序mdexe和输入设计参数发送给计算节点，计算节点接收自动部署方法发送的指令，解析出可执行化运行程序mdexe的路径与特定输入设计参数，通过构造命令行指令调用mdexe，并将输入设计参数传递给mdexe执行计算任务，最终将生成的输出数据回传给多学科优化平台，实现数据的完整闭环。
16、本发明公开了一种多学科分布式并行优化的自动部署方法，其具备的有益效果如下：
17、1、该多学科分布式并行优化的自动部署方法，用于实现各学科仿真软件分布式并行优化的通用部署方法，对大型cae、eda仿真软件进行模型解释完成快速部署计算；有效的解决了各学科仿真软件在分布式并行优化过程中的手动部署难、效率低、用户操作繁琐的问题，从而满足大规模工程实践的应用；采用本发明的模型解释器方法可以快速生成可执行程序，从而快速部署到各计算节点运行，不依赖于特定的操作系统，实现高效率、高精度、高移植性、高拓展性的分布式仿真自动部署功能，为多学科仿真优化领域提供了快速迭代快速收敛的高效率计算手段。
18、2、该多学科分布式并行优化的自动部署方法，自动化程度高，从数据包接收到计算节点执行，整个过程高度自动化，减少了人工干预，提高了效率，灵活性强，支持多种仿真器和工程文件类型，能够灵活应对不同的多学科优化需求，资源优化，智能分配计算资源，提高了资源利用率，降低了计算成本，高精度，通过模型解释器方法和神经网络算法，实现了高精度的仿真器替代，保证了优化结果的准确性。
19、3、该多学科分布式并行优化的自动部署方法，可扩展性强，支持动态扩展计算节点，能够轻松应对大规模计算需求，易于维护，简化了仿真器的更新和维护流程，降低了维护成本，安全性高，通过中心服务器和负载均衡器的管理，增强了系统的安全性和稳定性，闭环优化，通过两层神经网络模型实现了从输入设计参数到输出性能指标的闭环优化，为工程优化提供了高精度数据依据。
1.一种多学科分布式并行优化的自动部署方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s1中，数据包包含各类学科的仿真工程文件和用户指定的输入输出数据。
3.根据权利要求1所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s1中，多学科工程的输入输出数据包由json文本和模型文件组成，其中json文本包含节点连线关系信息、各节点配置信息，模型文件为各学科待求解模型工程文件。
4.根据权利要求1所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s2中，指针链表方法指根据步骤s1中提供的json文本中的节点连线关系生成一个复合节点链表结构体，每个节点链表结构体包含输入节点向量、输出节点向量、节点配置信息，根据节点链表结构体再递归生成多学科求解的指令序列。
5.根据权利要求1所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s3中，模型解释器方法指其总结构使用程序设计的工厂模式，提供生产mdexe的接口，不同的仿真器将继承实现具体的mdexe生产方法。
6.根据权利要求1所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s3中，工厂模式下的mdexe生产方法是监控每个学科在9次计算过程中时间和空间节点上的瞬态数据，训练第一层多层感知机mlp模型，并根据该数据对应的时空导数矩阵来提取出偏微分方程矩阵及其加噪处理后的模糊矩阵训练第二层短期神经网络模型，通过双层神经网络模型完成满足任意样本集的高精度模型。
7.根据权利要求1所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s4中，云端节点指物理层面通过交换机连接的计算机网络集群，控制调度层面为将步骤s3生成的mdexe和步骤s2生成的指令集组成的任务包通过http协议发送给中心服务器，服务器再结合第三方负载均衡工具自动将任务包转发到计算机网络集群节点中进行运行。
8.根据权利要求6所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s3中训练的第二层短期神经网络模型采用了自定义结合偏微分矩阵数据的损失函数优化过程，当满足总损失值小于0.01后推出训练，并利用pyinstaller库将模型进行打包转换为mdexe执行程序。
9.根据权利要求6所述的一种多学科分布式并行优化的自动部署方法，其特征在于，在步骤s3中，模型解释器通过输入数据训练两层神经网络模型，第一层为多层感知机mlp模型，其输入为设计参数，输出为时空节点数据，第二层为短期神经网络lstm模型，其输入为时空节点数据，输出为指定的性能指标。
10.根据权利要求3所述的一种多学科分布式并行优化的自动部署方法，其特征在于，多学科优化平台软件将携带具体的仿真器版本、工程文件、输入输出数据包的json数据包传递给自动部署方法，自动部署方法将指令序列发送给负载均衡器，利用负载均衡器给自动部署方法分配节点，自动部署方法与负载均衡器通信获取当前资源闲置的计算节点，并将可执行化运行程序mdexe和输入设计参数发送给计算节点，计算节点接收自动部署方法发送的指令，解析出可执行化运行程序mdexe的路径与特定输入设计参数，通过构造命令行指令调用mdexe，并将输入设计参数传递给mdexe执行计算任务，最终将生成的输出数据回传给多学科优化平台，实现数据的完整闭环。
