1.一种钢/铝异种金属激光焊接的多目标优化方法，其特征在于，具体包括以下步骤：Step1，将焊接件翘曲变形量y1、焊接件所能承受的最大拉力y2和焊接成本y3作为优化目标，将激光功率x1、焊接速度x2、离焦量x3和CeO2添加量x4作为优化设计变量，确定优化设计变量的取值范围、并设计正交试验，进行激光焊接，得到试验结果；

其中，焊接成本的计算公式如下：

式中：y3为焊接成本，单位¥；x1为激光功率，单位W；x2为焊接速度，单位mm/min；x4为CeO2添加量，单位g；

Step2，基于试验结果，将激光功率x1、焊接速度x2、离焦量x3和CeO2添加量x4作为输入，将焊接件翘曲变形量y1和焊接件所能承受的最大拉力y2作为输出，构建用RIME优化CatBoost的RIME‑CatBoost模型；

用RIME优化CatBoost的具体步骤如下：

①将CatBoost模型的学习率、最大深度作为需要优化的超参数；

②设置超参数的取值范围和RIME算法的初始参数；

③通过RIME算法的每次迭代更新超参数的组合对CatBoost模型进行训练；

④根据模型性能指标计算相应超参数组合的适应度值，选择适应度最好的超参数组合；

以焊接件所能承受的最大拉力的倒数、焊接件翘曲变形量和焊接成本作为优化算法的目标函数，基于RIME‑CatBoost模型的焊接工艺优化数学模型表示如下：式中：x1为激光功率，x2为焊接速度，x3为离焦量，x4为CeO2添加量，y1为焊接件翘曲变形量，y2为焊接件所能承受的最大拉力，y3为焊接成本，1000为焊接件所能承受的最大拉力的倒数系数，20为焊接成本的权重系数；

Step3，通过MOAVOA算法对RIME‑CatBoost模型进行多目标寻优，获得优化目标的Pareto前沿；

Step4，通过CRITIC评价法在获得的优化目标的Pareto前沿中确定工艺参数优组合。

2.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，Step3中，通过MOAVOA算法对RIME‑CatBoost模型进行多目标寻优，具体如下：①初始化MOAVOA参数：参数包括最大迭代次数、种群大小、存档的最大容量以及目标函数的数量；

②判断当前迭代次数是否达到最大迭代次数：算法从初始迭代次数开始执行，直到达到预设的最大迭代次数为止，若当前迭代次数小于最大迭代次数，则算法继续执行迭代，否则输出Pareto前沿并结束；

③适应度计算：每个秃鹫均表示一组解，根据RIME‑CatBoost模型和焊接成本计算公式得出每个秃鹫的适应度；

④选择最佳秃鹫：在每一次迭代中，根据适应度值选择表现最好的秃鹫作为领导者，并将其存入存档中；

⑤更新秃鹫位置：根据领导者秃鹫的行为和当前策略，更新所有秃鹫的位置；

⑥判断档案大小：检测当前解集大小是否超出档案设定大小，若解集大小小于档案大小、则继续执行迭代，若解集大小大于档案大小、则通过网格机制删除密集区域中的解，保留解的多样性；

⑦更新档案：根据Pareto前沿的准则更新存档，保留非支配解；

⑧进行下一次迭代：迭代次数加1，进入步骤②重新进行迭代。

3.根据权利要求1所述的钢/铝异种金属激光焊接的多目标优化方法，其特征在于，Step4中通过CRITIC评价法在获得的优化目标的Pareto前沿中确定工艺参数优组合时，将获得的Pareto前沿采用加权聚合方法，为每个Pareto前沿分配权重，综合评价模型的表达式如下所示：式中：Z为每组实验设计的综合评价值，Wj为第j个指标的权重值，yij为第i个方案的j评价指标值，yi1为每组试验设计中的焊接件翘曲变形量，yi2为每组试验设计中的焊接件所能承受的最大拉力，yi3为每组试验设计中的焊接成本。