本發(fā)明涉及一種復合材料層合板構(gòu)件鋪層多級優(yōu)化設(shè)計方法，針對層合板結(jié)構(gòu)的鋪層優(yōu)化，階段一是針對于鋪層順序的優(yōu)化，優(yōu)化目標為層合板構(gòu)件的基頻最大化，運用基于神經(jīng)網(wǎng)絡(luò)的深度學習方法快速預測設(shè)計結(jié)果，然后依據(jù)預測結(jié)果，通過粒子群算法搜索復合材料層合板設(shè)計問題的最優(yōu)解，提高鋪層優(yōu)化設(shè)計效率。階段二主要是優(yōu)化復合材料的層數(shù)，以基頻最大化與質(zhì)量最小化為優(yōu)化目標建立多目標拓撲優(yōu)化模型，設(shè)計變量為各鋪層相對于自身厚度的相對厚度，應用改進的自適應遺傳算法進行求解。本發(fā)明能夠節(jié)省重復有限元計算所浪費的時間，通過機器學習方法提高優(yōu)化效率，能快速有效地優(yōu)化設(shè)計復合材料層合板結(jié)構(gòu)件的質(zhì)量，并提高其基頻，改善穩(wěn)定性。