基于大语言模型多智能体框架的拓扑优化自优化方法

拓扑优化通常依赖工程师的专业决策，阻碍了全自动设计流程。本文提出 TopOptAgents，一个由六个大语言模型智能体组成的多智能体系统，旨在自动化拓扑优化的设计及关键决策阶段。该系统通过涵盖问题定义、验证、代码生成执行及质量评估的迭代自优化循环进行协作，实现了错误纠正与设计的渐进式改进。实验表明，该框架在预训练模型知识稀缺的问题类别中表现尤为突出，显著扩展了基于大语言模型的自动化所能可靠解决的拓扑优化问题范围。