一种神经网络辅助的功率放大器自动化优化设计方法

本发明属于人工智能、自动化设计和功率放大器的交叉技术领域，具体提供一种神经网络辅助的功率放大器自动化优化设计方法，用以解决现有功率放大器优化设计方法存在的高计算成本、设计迭代次数多、对工程师经验依赖大以及传统优化方法在高维、多目标约束下性能受限的问题。本发明基于DNN网络构建代理预测模型，通过代理预测神经网络替代高斯过程进行目标函数建模，并结合增量学习与高效候选生成，实现对复杂、高维、多目标功率放大器优化问题的快速收敛和低成本计算；相比贝叶斯优化，本发明具有更快的收敛速度、更低的计算成本，以及在迭代过程中更灵活的探索能力，且在复杂的高维问题和多目标约束优化中表现出更好的适应性和稳健性。