一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法技术

本发明专利技术公开了一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法，属于智能优化算法的改进及应用领域。一方面，布谷鸟的搜索步长可根据当前鸟巢与最优鸟巢环境适应值之间的差距进行调整，鸟蛋的发现概率按照个体适应值的标准差来计算，从而提高了种群的搜索效率。另一方面，烟花算法中的爆炸半径采用“分段取值”的方法，火花的数目则根据炸点搜索范围来确定，个体在搜索过程中可感知当前爆炸点与最优值的差距，使烟花算子能够跳跃性、跨区域的搜索。将两个独立进化的子种群经过固定的代数相互融合，加强不同个体之间的信息交流。本发明专利技术结合了两种智能算法的优点，在压力容器优化设计中，具有良好的寻优效果。

【技术实现步骤摘要】

本专利技术属于智能优化算法的改进及应用领域，涉及到两种新颖的自适应优化算法及多种群并行进化的布谷鸟与烟花混合算法。
技术介绍
压力容器设计一直是优化算法中应用的难点问题，由于容器的结构复杂、影响因素较多以及可行域不规则等多种因素，采用传统的优化算法无法得到理想的结构参数。因此，一些智能算法逐渐被应用到此问题中，如遗传算法、差分进化算法；但是随着现代工业技术的发展，技术人员对于容器设计的精度以及误差有着更高的要求，而基本的智能算法已经无法满足人们的需求，为解决此类问题，一些性能更加优良的新型智能算法逐渐被提出。通过观察布谷鸟寄生孵育雏鸟这一自然现象，剑桥大学Xin-SheYang(杨新社)教授和S.Deb于2009年提出了布谷鸟算法；受烟花在空中爆炸的启发，北京大学的Tan和Zhu于2010年提出了烟花算法。布谷鸟与烟花算法在思想上具有很大程度上的类似，算法思想来源于自然界中普遍的现象，通过计算机编程语言模拟了个体在可行域中寻找函数最优值的过程。然而，基本的布谷鸟算法与烟花算法都是一种贪婪的、随机的搜索算法，可以较好地解决高维的、单峰的函数寻优问题，可是基本的智能算法进化过程中参数固定，个体的自我感知能力以及学习能力较低，对于多峰、多变量的目标函数，单一的算法无法跳出局部最优解，并且算法中固定的参数设置也降低了个体对于不同搜索环境的适应性，对于一些目标函数寻优精度不高。为解决对于多峰、多变量目标函数的寻优问题，有学者采用了两者或者两者以上的混合算法来代替单一的智能算法，从而相继提出了遗传与粒子群混合算法、粒子群与差分进化混合算法等，通过在同一个种群中实现了两种个体搜索方式，巧妙地将两个算法的优势相结合。布谷鸟算法采用了莱维飞行的方式更新了个体的信息，使布谷鸟不断地探索最优值可能存在的区域，经过多次迭代选择之后，个体最终能够确定函数的全局最优解。烟花算法通过炸点向空间各个方向生成大量的火星，同时比较所有火星的适应值，保留最佳炸点位置，不断地提高每一代种群的最优值。通过将布谷鸟与烟花算法相混合，在同一个种群中使用两种进化环境，然后进过一定的时间再混合进化选择，既保证了各个算法的独立性，也有利于不同种群进化方式之间的优势互补。
技术实现思路
本专利技术的目的是为了解决压力容器的优化设计问题，在两个子种群中，布谷鸟算法与烟花算法并行运行，保留各自的进化特性，防止个体陷入局部最优解，保证了种群多样性。本专利技术采用了自适应布谷鸟与烟花算法，自适应调整了算法中各项参数指标。解决的方法具体包括以下几个步骤：一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法，其特征在于，具体包括如下步骤：步骤一：通过对于压力容器的数学建模，确定影响压力容器结构性能的各个变量以及变化范围，建立压力容器结构优化的目标函数；压力容器的优化设计就是通过调节各个结构参数，以最小的成本获得最佳的容器性能，通过对于压力容器参数与性能之间的函数关系，建立如下的函数模型： min f ( x ) = 0.6224 x 1 x 3 x 4 + 1.7781 x 2 x 3 2 + 3.1661 x 1 2 x 4 + 19.84 x 1 2 x 3 g 1 ( x ) = - x 1 + 0.0193 x 3 ≤ 0 g 2 ( x ) = - x 本文档来自技高网...

【技术保护点】
一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法，其特征在于，具体包括如下步骤：步骤一：通过对于压力容器的数学建模，确定影响压力容器结构性能的各个变量以及变化范围，建立压力容器结构优化的目标函数；压力容器的优化设计就是通过调节各个结构参数，以最小的成本获得最佳的容器性能，通过对于压力容器参数与性能之间的函数关系，建立如下的函数模型：式中，x1表示容器内壁的厚度，x2代表容器圆形头部厚度,x3为头部圆形的内径，x4为容器圆柱体部分的长；上式中，为所求的目标函数，而为参数的约束条件；步骤二：设置布谷鸟以及烟花算法的初始化参数以及种群；初始化参数：布谷鸟算法中，搜索步长布谷鸟鸟蛋的发现概率烟花算法中，爆炸点的半径Ri，爆炸点的火花数目Mi，爆炸点层数W；根据工业生产中得到的目标函数维数D，种群的规模Np，个体的最大迭代次数GMAX，设置当前迭代次数t=0，种群在第t代第i个个体可表示为：种群的搜索的可行域为[Xmin, Xmax]，个体中每个维度的都必须限定在规定的范围内；种群初始化为：rand(1,Np)在算法运行时产生了Np个在(0,1)之间的均匀随机数；步骤三：将算法的种群一分为两个子种群N1=Np/2, N2=Np/2；分别将N1和N2放置在两个完全独立的进化环境中(E1,E2);步骤四：在进化环境E1中，种群按照布谷鸟算法的基本流程进行，包括步骤 4.1~步骤 4.3:步骤 4.1: 当代布谷鸟鸟巢的位置为布谷鸟个体通过莱维公式来寻找下一代鸟巢从而实现了对空间的随机搜索；步骤 4.2: 计算备选鸟巢的适应值，比较的适应值，选出两个种群中适应值排名靠前的个体，形成了布谷鸟的新鸟巢步骤 4.3: 在中的每一个鸟巢都产生均匀分布随机数，作为布谷鸟鸟蛋被原鸟巢主人发现的概率，若则说明原宿主已经发现了布谷鸟鸟蛋，因此，布谷鸟需要随机寻找新的鸟巢，通过对比与两者适应值的大小，淘汰处于劣势的鸟巢位置；若则布谷鸟鸟巢不发生变化；最终，布谷鸟鸟巢的位置得到了更新，生成了新一代鸟巢位置步骤五：在进化环境E2中，子种群按照N2按照烟花算法的流程进行操作，具体如步骤5.1~步骤5.4：步骤 5.1: 对于D维的目标函数寻优问题，烟花爆炸点向空间中各个方向，依次生成了新的炸点火星，每一代爆炸点的初始半径为Ri；步骤 5.2: 烟花算子以炸点为中心向外生成W层的火星炸点，每一层的爆炸点半径为以一个烟花爆炸点为繁殖母体，生成了Mi个子火星然后比较爆炸点与的最优值，从而确定下一代备选烟花种群步骤 5.3: 由于采用贪婪选择的策略，烟花炸点之间的差距会逐渐降低；为保持种群的多样性，随机选取烟花种群中50%的个体，加入差分变异操作，如下所示：上式中，p为均匀分布的随机数，且是从烟花种群中随机选择的个体，i, j, k之间不能相同；通过rand产生了均匀分布在(0,1)之间的随机数，种群得到了部分具有新性状的候选爆炸点同时若候选爆炸点超出了可行域的范围，应重新对原有炸点进行差分变异操作，直到步骤 5.4: 选择操作，选出中的优势个体，组成了新型的下一代种群烟花炸点利用差分变异实现了对整个可行域范围内的搜索；步骤六：子种群之间的信息交流操作；在种群进化过程中，每隔10代，将子种群N1和N2融为一个种群N，设置单一进化环境为E，对布谷鸟个体与烟花个体的适应值进行排序，记录当前最佳个体步骤七: 终止检验；判断算法是否满足终止条件，若则返回步骤二，并且t=t+1；反之，算法结束，输出最优值。...

【技术特征摘要】
1.一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法，其特征在于，具体包括如下步骤：步骤一：通过对于压力容器的数学建模，确定影响压力容器结构性能的各个变量以及变化范围，建立压力容器结构优化的目标函数；压力容器的优化设计就是通过调节各个结构参数，以最小的成本获得最佳的容器性能，通过对于压力容器参数与性能之间的函数关系，建立如下的函数模型：式中，x1表示容器内壁的厚度，x2代表容器圆形头部厚度,x3为头部圆形的内径，x4为容器圆柱体部分的长；上式中，为所求的目标函数，而为参数的约束条件；步骤二：设置布谷鸟以及烟花算法的初始化参数以及种群；初始化参数：布谷鸟算法中，搜索步长布谷鸟鸟蛋的发现概率烟花算法中，爆炸点的半径Ri，爆炸点的火花数目Mi，爆炸点层数W；根据工业生产中得到的目标函数维数D，种群的规模Np，个体的最大迭代次数GMAX，设置当前迭代次数t=0，种群在第t代第i个个体可表示为：种群的搜索的可行域为[Xmin, Xmax]，个体中每个维度的都必须限定在规定的范围内；种群初始化为：rand(1,Np)在算法运行时产生了Np个在(0,1)之间的均匀随机数；步骤三：将算法的种群一分为两个子种群N1=Np/2, N2=Np/2；分别将N1和N2放置在两个完全独立的进化环境中(E1,E2);步骤四：在进化环境E1中，种群按照布谷鸟算法的基本流程进行，包括步骤 4.1~步骤 4.3:步骤 4.1: 当代布谷鸟鸟巢的位置为布谷鸟个体通过莱维公式来寻找下一代鸟巢从而实现了对空间的随机搜索；步骤 4.2: 计算备选鸟巢的适应值，比较的适应值，选出两个种群中适应值排名靠前的个体，形成了布谷鸟的新鸟巢步骤 4.3: 在中的每一个鸟巢都产生均匀分布随机数，作为布谷鸟鸟蛋被原鸟巢主人发现的概率，若则说明原宿主已经发现了布谷鸟鸟蛋，因此，布谷鸟需要随机寻找新的鸟巢，通过对比与两者适应值的大小，淘汰处于劣势的鸟巢位置；若则布谷鸟鸟巢不发生变化；最终，布谷鸟鸟巢的位置得到了更新，生成了新一代鸟巢位置步骤五：在进化环境E2中，子种群按照N2按照烟花算法的流程进行操作，具体如步骤5.1~步骤5.4：步骤 5.1: 对于D维的目标函数寻优问题，烟花爆炸点向空间中各个方向，依次生成了新的炸点火星，每一代爆炸点的初始半径为Ri；步骤 5.2: 烟花算子以炸点为中心向外生成W层的火星炸点，每一层的爆炸点半径为以一个烟花爆炸点为繁殖母体，生成了Mi个子火星然后比较爆炸点与的最优值，从而确定下一代备选烟花种群步骤 5.3: 由于采用贪婪选择的策略，烟花炸点之间的差距会逐渐降低；为保持种群的多样性，随机选取烟花种群中50%的...

【专利技术属性】
技术研发人员：黄辉先，胡鹏飞，陈资滨，吴翼，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43