一种模拟生物理想自由分布模型的萤火虫方法技术

技术编号:20026710 阅读:37 留言:0更新日期:2019-01-06 05:27
本发明专利技术属于仿真模拟领域,公开了一种模拟生物理想自由分布模型的萤火虫方法(IFDGSO)。在IFDGSO中将萤火虫个体最优位置的适应度视为资源斑块的食物数量,确定各个不重叠的资源斑块,并随机分配相应数量的萤火虫到各个资源斑块。对标准测试函数的实验表明,本发明专利技术算法具有良好的全局搜索能力和优化性能;同时,对约束问题,提出了一种自适应调节惩罚系数的方式,将本发明专利技术与该策略相结合求解了丁烯烷化过程问题,获得了较为满意的可行解,为约束优化求解提供了一种新方法。

【技术实现步骤摘要】
一种模拟生物理想自由分布模型的萤火虫方法
本专利技术属于仿真模拟领域,尤其涉及一种模拟生物理想自由分布模型的萤火虫方法。
技术介绍
目前,业内常用的现有技术是这样的:在生产化工产品的过程中,为了达到既定的目标,如产量最大化,利益最大化,环境资源受影响最小化等分析,除了分析反应的自身特性外,反应物、催化剂的流速、酸性的强度、反应的温度、压强,以及资源与设备本身的限制都对结果产生很大的影响。为了更好地分析过程的进程,以更好地满足各种限制条件,这时最常用的方法是为过程建立数学模型,然后通过对数学模型的求解指导实践。丁烯烷化过程首先将含100%丁烯的烯烃进料、循环纯异丁烷、100%的异丁烷补充流和新鲜的酸催化剂引入反应器,再将废酸从反应器内移走,反应产物还将通过分离器使异丁烷与烷基化物分离。为了达到最大的收益,通过对过程的分析,建立的模型为:其中:x1为烯烃流速(桶/天),x2为酸添加速率(千磅/天),x3为烷基化物产率(桶/天),x4为酸强度(重量百分比),x5为马达法辛烷值,x6为异丁烷补充流与烯烃的比率,x7为F-4性能值。这是一个约束优化问题,对约束优化的求解是不易的。对约束优化求解的通常方法是利用惩罚函数法将约束优化转化为无约束优化,因此,对一个约束优化问题的求解涉及到两方面的因素,一是良好性能的优化算法,二是惩罚函数的构造。人工萤火虫群优化算法(GlowwormSwarmOptimization,GSO)是由Ghose和Krishnanad于2005年模拟自然界萤火虫求偶或觅食行为而提出的一种新的仿生群智能优化算法。该算法近年来在计算智能领域引起了人们极大的关注,已经成功应用于传感器的噪声测试、机器人模拟、信号源定位、多极值函数优化、聚类分析等方面,这些成功的应用说明该算法具有较强的通用性和广泛的应用性等优点,但该算法在收敛速度、求解精度和收敛成功率等方面也存在一些缺陷。综上所述,现有技术存在的问题是:人工萤火虫群优化算法在收敛速度、求解精度和收敛成功率等方面也存在一些缺陷。解决上述技术问题的难度和意义:
技术实现思路
针对现有技术存在的问题,本专利技术提供了一种模拟生物理想自由分布模型的萤火虫方法。本专利技术是这样实现的,一种模拟生物理想自由分布模型的萤火虫方法,包括以下步骤:步骤一,初始化所有参数,随机初始化萤火虫的位置;步骤二,计算各萤火虫对应的适应值,确定各个资源斑块,按照公式(6)确定分配到各个资源斑块的萤火虫数量,并随机选择相应数量的萤火虫到各个资源斑块;步骤三,更新荧光素值,各资源斑块的萤火虫分别按照公式(7)更新位置,更新决策域半径和资源斑块位置;步骤四,判断是否发生变异,如果满足变异条件,则按公式(8)进行变异操作,否则转S106;步骤五,判断是否重新组合,若满足条件,即间隔迭代次数达到K次,则所有资源斑块的萤火虫重新组合,并按条件更新步长,转步骤二,否则转步骤三;步骤六,判断是否满足终止条件,若满足则算法终止,输出优化解,否则转到步骤五。进一步,所述步骤三中资源斑块采用如下方法确定:步骤一,为每个萤火虫的位置设定一个半径为r的区域,r的值随着迭代次数的增加以搜索区域长度的1%线性递减到0。步骤二,对所有萤火虫位置的适应值进行排序,将适应值最优的萤火虫位置作为资源斑块A,如图1中的A。步骤三,选择适应值第二好的萤火虫位置B1作为暂时的资源斑块B,如果B1与区域A没有重叠,则将其作为资源斑块B,反之,将其舍弃,选择适应值第三好的萤火虫作为资源斑块B2与区域A进行比较,重复以上过程,确定资源斑块B,若没有满足条件的萤火虫位置,则资源斑块数量为1;否则,转下一步。适应度第二好的萤火虫位置B1与区域A有重叠,适应度第三好的萤火虫位置B2将作为资源斑块B。步骤四,依照步骤三的方法,确定资源斑块C,使其不能与资源斑块A和B重叠;若没有满足条件的萤火虫区域,则资源斑块数量为2;否则,资源斑块数量为3。综上所述,本专利技术的优点及积极效果为:(1)本专利技术在寻优过程中,通过确定多个资源斑块,能够较好地保持群体的多样性,增强了算法前期全局搜索能力;(2)利用变步长,增强后期局部探索能力;(3)通过变异策略,在一定程度上跳出了局部极值点,提高了算法的优化效率。附图说明图1是本专利技术实施例提供的模拟生物理想自由分布模型的萤火虫方法流程图;图2是本专利技术实施例提供的丁烯烷化过程流程图;图3是本专利技术实施例提供的资源斑块选择图;图4是本专利技术实施例提供的焊接条设计结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。本专利技术实施例提供的最优觅食理论:觅食者为了获得最大的觅食效率所采用的各种方法和措施,即觅食者花费最小的成本(一般用觅食时间来表示)获得最大的效益。为了实现最优觅食,觅食者采用什么样的觅食策略至关重要。合适的觅食策略通常需要考虑两个重要因素:觅食者在一个资源斑块的最佳停留时间;多个觅食者在空间和时间不同的资源斑块分布。在大自然中,绝大多数生物的个体分布都呈集团分布,不同资源的斑块会有不同数量的种群个体。因此,觅食者会在收益较大的资源斑块停留更多的时间。觅食者在离开一个资源斑块时的能量获取率决定了其在该资源斑块的最佳停留时间,即觅食行为的边际值原理。本专利技术实施例提供的理想自由分布模型:生物的理想自由分布(IdealFreeDistribution,IFD)是指在不同资源斑块分布不同数量觅食者,使得每个觅食者无论在哪个斑块都只能获得同样的适合度收益的一种平衡状态。觅食者根据资源斑块中食物的多少,按照一定的比例聚集到各个资源斑块中。“理想”是指觅食者能够对资源斑块中食物的数量进行合理评价;“自由”表示觅食者能够在各个资源斑块无阻碍的移动。IFD模型假设所有资源斑块中觅食者的觅食策略都遵循最优觅食原理,且觅食者的收益会随着觅食者数量的增加按比例减少。在同一资源斑块内,随着觅食者数量的增多、竞争强度的增加和收益的下降会促使部分觅食者向其它资源斑块迁移,最终使各个资源斑块中的觅食者数量形成一种均衡,即每个觅食者在任何一个资源斑块都只能获得同样的收益。因此,在食物多的资源斑块中分布的觅食者数量较多,反之,觅食者数量较少。为了使IFD模型更具有生态学意义,Sutherland和Parker将觅食者个体间的相互干扰因素纳入到IFD模型中。他们指出在资源斑块i上分布的觅食者的比例pi与该斑块上食物数量的比例hi相关,其关系式为pi=α*hi1/m(6)公式(6)式中,参数m是觅食者之间的干扰系数,α是一个用来修正pi并使之不大于1的常数,本专利技术的α取值为1。当干扰系数m=1时,表示无任何干扰,所有资源斑块中觅食者比例与食物的比例基本相同;在大多数情况下0<m<1,觅食者之间有一定的干扰,食物多的资源斑块会吸引相对更多的觅食者,从而形成正密度相关;当m>1时,食物少的资源斑块吸引的觅食者的比例会超过食物比例。本专利技术实施例提供的IFDGSO算法模型:在基本的人工萤火虫算法中,萤火虫的荧光素值越高,代表萤火虫所在的位置越好,每个萤火虫根据其邻域集中萤火虫的荧光素值调整移动方向。如果将萤火虫的位置视为资源斑本文档来自技高网
...

【技术保护点】
1.一种模拟生物理想自由分布模型的萤火虫方法,其特征在于,所述的模拟生物理想自由分布模型的萤火虫方法,包括以下步骤:步骤一,初始化所有参数,随机初始化萤火虫的位置;步骤二,计算各萤火虫对应的适应值,确定各个资源斑块,确定分配到各个资源斑块的萤火虫数量,并随机选择相应数量的萤火虫到各个资源斑块;步骤三,更新荧光素值,各资源斑块的萤火虫分别更新位置,更新决策域半径和资源斑块位置;步骤四,判断是否发生变异,如果满足变异条件,则进行变异操作,否则转步骤六;步骤五,判断是否重新组合,若满足条件,即间隔迭代次数达到K次,则所有资源斑块的萤火虫重新组合,并按条件更新步长,转步骤二,否则转步骤三;步骤六,判断是否满足终止条件,若满足则算法终止,输出优化解,否则转到步骤五。

【技术特征摘要】
1.一种模拟生物理想自由分布模型的萤火虫方法,其特征在于,所述的模拟生物理想自由分布模型的萤火虫方法,包括以下步骤:步骤一,初始化所有参数,随机初始化萤火虫的位置;步骤二,计算各萤火虫对应的适应值,确定各个资源斑块,确定分配到各个资源斑块的萤火虫数量,并随机选择相应数量的萤火虫到各个资源斑块;步骤三,更新荧光素值,各资源斑块的萤火虫分别更新位置,更新决策域半径和资源斑块位置;步骤四,判断是否发生变异,如果满足变异条件,则进行变异操作,否则转步骤六;步骤五,判断是否重新组合,若满足条件,即间隔迭代次数达到K次,则所有资源斑块的萤火虫重新组合,并按条件更新步长,转步骤二,否则转步骤三;步骤六,判断是否满足终止条件,若满足则算法终止,输出优化解,否则转到步骤五。2.如权利要求1所述的模拟生物理想自由分布模型的萤火虫方法,其特征在于,所述步骤三中资源斑块采用如下方法确定:步骤一,为每个萤火虫的位置设定一个半径为r的区域,r的值随着迭代次数的增加以搜索区域长度的1%线性递减到0。步骤二,对所有萤火虫位置的适应值进行排序,将适应值最优的萤火虫位置作为资源斑块A,如图1中的A。步骤三,选择适应值第二好的萤火虫位置B1作为暂时的资源斑块B,如果B1与区域A没有重叠,则将其作为资源斑块B,反之,将其舍弃,选择适应值第三好的萤火虫作为资源斑块B2与区域A进行比较,重复以上过程,确定资源斑块B,若没有满足条件的萤火虫位置,则资源斑块数量为1;否则,转下一步。适应度第二好的萤火虫位置B1与区域A有重叠,适应度第三好的萤火虫位...

【专利技术属性】
技术研发人员:莫愿斌卢彦越张超群
申请(专利权)人:广西民族大学
类型:发明
国别省市:广西,45

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1