材料的结构影响材料的性质,人为设计材料的几何形状可以使材料整体具有超越其基体材料本身的性质。传统的材料几何设计方法有基于周期性单元的设计方式,其中包括欧式几何编码方式、数学曲面编码方式、点阵加函数的柔性材料编码方式、基于分形自相似柔性材料编码方式、基于Kirigami方法的编码方式,以及基于拓扑优化的方法。周期性编码方式一般需要大量的前处理,且编码的结构设计空间较小;而拓扑优化方法具有较大的设计空间,同时在设计空间中进行搜索需要大量的算力。本文针对如上问题提出了基于奇异吸引子的结构参数化设计与强化学习优化框架,并且在纤维截面隔热工况下验证方法的可行性。主要研究内容包括:研究基于奇异吸引子多层级孔结构编码方式以及强化学习优化算法。首先提出了一种基于迭代函数系统产生的奇异吸引子的多层级孔结构编码方式,对应的结构有规则的多层级孔结构排列方式,孔结构通过规律的排列方式整体上形成一类网状结构。考虑到迭代函数编码的多孔结构模式太强,本文尝试对迭代函数进行拆解并分别进行旋转角度与平移函数的推广。基于上述参数化编码的多层级孔结构以及Alpha shapes算法提取出的几何信息,提出了两个影响结构导热系数的物理参数,分别为结构的孔隙率与结构孔隙等效半径。结构的孔隙率通过影响结构中空气占比来影响结构的隔热性能,结构孔隙等效半径通过影响结构中孔隙的分布来影响结构的隔热性能。通过有限单元法来验证结构孔隙率对结构导热系数的影响,通过数学证明给出孔隙等效半径对孔隙分布的影响进而建立起孔隙等效半径对结构隔热性能的影响。最后建立基于奇异吸引子的参数化设计框架,并且针对提出的隔热物理参数针对设计参数进行优化。考虑非线性迭代函数产生的奇异吸引子相对其设计参数具有很强的非线性,并且设计参数空间在连续域上,采用强化学习中深度确定性策略梯度算法算法进行结构优化,最终给出优化后结构的孔隙分布以及孔隙率,验证了方法的可行性。