摘要：針對板料成形優(yōu)化中采用傳統(tǒng)靜態(tài)模型存在全局近似精度不高、超量選取樣本點等問題,提出了多重近似精度收斂、逐步增添樣本點的動態(tài)遺傳神經(jīng)網(wǎng)絡(luò)(Genetic Algorithm Back Propagation Neural Network,GABP)建模方法。樣本點增補策略根據(jù)動態(tài)模型的全局近似精度和局部近似精度分別按最大最小距離增補和局部最優(yōu)解增補。將動態(tài)模型應(yīng)用于NUMISHEET 93方形盒沖壓成形優(yōu)化問題,結(jié)合灰色關(guān)聯(lián)理論將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題并構(gòu)造用于優(yōu)化的迭代格式,實現(xiàn)了方盒件成形的多目標(biāo)優(yōu)化,有效地提高了方盒件成形質(zhì)量和優(yōu)化計算效率。