一种基于万有引力加速布谷鸟算法的圆度误差评定方法技术

一种基于万有引力加速布谷鸟算法的圆度误差评定方法，基于万有引力搜索无需学习外部环境因素的变化亦能感知全局最优信息的特点，将布谷鸟巢穴赋予不同的个体质量，因此其在优化过程中遵循万有引力定律；对布谷鸟算法中的Levy飞行随机游动和偏好随机游动同时利用优化个体间存在的万有引力进行加速搜索，获得相应的布谷鸟寄生巢穴个体更新位置；在万有引力的作用下，有效的平衡了布谷鸟算法的全局搜索能力和局部寻优能力，避免算法执行末期陷入局部极值点而出现的迟滞现象，提高算法的全局搜索效率和收敛精度。本发明专利技术待优化的圆度误差E能快速趋于稳定的最优值，并求解出两个同心圆的理想圆心

A method of evaluating roundness error based on gravitational acceleration cuckoo algorithm

An evaluating method of roundness error of gravity acceleration cuckoo algorithm based on the characteristics of gravitational search changes without external environmental factors can also perceive the global optimal learning based on information, the cuckoo nest is endowed with different individual quality, therefore it obeys the law of gravitation in the optimization process of the cuckoo algorithm; Levy flight random walks and random walk and the optimization of individual preference between the gravitational acceleration search, obtain the corresponding cuckoo nest parasitic individual update location; in the role of gravity, the effective balance of the global search ability of the cuckoo algorithm and local search ability, avoid the hysteresis phenomenon and algorithm execution stage in local extreme point, improve the algorithm's global search efficiency and convergence precision. The optimized roundness error E can quickly stabilize the optimal value and solve the ideal center of two concentric circles.

【技术实现步骤摘要】
一种基于万有引力加速布谷鸟算法的圆度误差评定方法
本专利技术涉及圆周误差评定
，更具体地说，涉及一种基于万有引力加速布谷鸟算法的圆度误差评定方法。
技术介绍
圆度误差评定是回转体零件加工过程重要的评价指标，其精度的高低直接影响加工工件的质量及使用寿命。评定圆度误差经典的方法有最小二乘法、最小外接圆法、最大内切圆法和最小区域圆法。最小二乘法理论相对成熟，但是涉及非线性运算，算法复杂度高。同时，其评定结果误差较大，不能满足最小条件的圆度误差评定结果。最小外接圆法是把实际被测圆的最小外接圆作为外包圆，以最小外接圆的圆心为中心作实际圆的内包圆，因此，圆度误差为此两圆的半径差。最大内切圆法与最小外接圆法评定误差原理类似，都存在工件评定区域过大，造成评定过程累积的误差增大，导致评定的圆度误差增大。最小区域圆法是国际通用的误差评定方法。相比于其他3种方法，最小区域圆法具有更高的测量精度，并且是唯一的。它能够真实的反映加工工件的圆度误差数值，因此本专利技术中圆度误差评定采用最小区域圆法。布谷鸟算法(CuckooSearch,CS)作为一种新型优化算法，与其他智能启发式算法类似，也存在搜索效率不高的问题，尤其是易于陷入局部极值点，算法执行后期出现迟滞现象。为此国内外学者对该算法进行相应的改进以提高算法的收敛性能。归纳起来，目前学者研究的改进算法主要包括两方面：布谷鸟算法控制参数的改进以及与其它算法融合的混合策略。文献“OngP.Adaptivecuckoosearchalgorithmforunconstrainedoptimization[J].TheScientificWorldJournal,2014,14(9):1-8.”对CS算法的搜索步长设置为自适应变化，提高了算法的收敛性能。文献“NaikM,NathMR,WunnavaA,etal.AnewadaptiveCuckoosearchalgorithm[C].IEEEInternationalConferenceonRecentTrendsinInformationSystems.2015:1-5.”在文献文献“OngP.Adaptivecuckoosearchalgorithmforunconstrainedoptimization[J].TheScientificWorldJournal,2014,14(9):1-8.”的基础上进一步研究，将搜索步长的更新调整为由函数适应度值自适应的确定，而不依赖Levy分布的步长因子。文献“WangLijin,YinYilong,etal.Cuckoosearchwithvariedscalingfactor[J].FrontiersofComputerScience,2015,9(4):623-635.”设置Levy分布的步长因子为均匀分布的随机数，极大提高了CS算法的全局搜索性能。但该方法没有考虑局部搜索的性能，导致算法执行后期易发生迟滞现象。文献“王李进,尹义龙,钟一文.逐维改进的布谷鸟搜索算法[J].软件学报,2013,24(11):2687-2698.”提出一种逐维更新的函数评价策略，将各维逐一更新，同时采用贪婪更新方式接受改善解。该算法具有一定的竞争力，但是采用逐维更新的评价策略导致函数评价次数急剧增加，因此算法执行效率较低。文献“WaltonS,HassanO,MorganK,etal.Modifiedcuckoosearch:Anewgradientfreeoptimisationalgorithm[J].ChaosSolitons&Fractals,2011,44(9):710-718.”将发现概率设置为动态变化数值，增强了算法的收敛性能。但是由于改进的算法搜索步长可容许的范围过小，因此算法全局收敛性能较差。另一方面，针对布谷鸟算法与其它算法融合的混合策略，不少学者取得了较好的研究成果。文献“WangGG,GandomiAH,ChuHC,etal.Hybridizingharmonysearchalgorithmwithcuckoosearchforglobalnumericaloptimization[J].SoftComputing,2016,20(1):1-13.”将和声优化算法与布谷鸟算法结合，在算法执行过程中增加和声算法中的变异操作判定结果，并把该结果反馈到搜索过程，加快了算法的收敛速度。文献“GuoJ,SunZ,TangH,etal.Hybridoptimizationalgorithmofparticleswarmoptimizationandcuckoosearchforpreventivemaintenanceperiodoptimization[J].DiscreteDynamicsinNature&Society,2016,1(1):1-12.”借鉴粒子群算法良好的局部优化性能，在CS算法中引入粒子群组件，提高了CS算法的收敛精度。文献“LiXT,YinMH.Parameterestimationforchaoticsystemsusingthecuckoosearchalgorithmwithanorthogonallearningmethod[J].ChinesePhysicsB,2012,21(5):113-118.”和“LiXT,WangJ,YinMH.Enhancingtheperformanceofcuckoosearchalgorithmusingorthogonallearningmethod[J].NeuralComputing&Applications,2014,24(6):1233-1247.”在Levy飞行之后的偏好随机扰动引入一种正交学习机制，以提高CS算法的整体搜索性能。综合起来，此类改进算法虽然提高了搜索过程中的综合性能，例如种群的多样性，收敛精度等，但代价是增加了函数评价次数及算法的复杂度。当处理高维度优化问题时，特别是多峰函数、脊峰函数和奇异函数时，算法的自适应调节能力较差，导致寻优效果不理想。同时，现有的此类改进算法通常是将两种算法机械的结合在一起，没有深入挖掘种群寻优过程的内部机理，算法执行效率较低。因此，研究新的改进算法具有积极的意义。
技术实现思路
本专利技术的目的是在现有的方法上做改进，提供一种基于万有引力加速布谷鸟算法的圆度误差评定方法，基于万有引力搜索无需学习外部环境因素的变化亦能感知全局最优信息的特点，将布谷鸟巢穴赋予不同的个体质量，因此其在优化过程中遵循万有引力定律；对布谷鸟算法中的Levy飞行随机游动和偏好随机游动同时利用优化个体间存在的万有引力进行加速搜索，获得相应的布谷鸟寄生巢穴个体更新位置；在万有引力的作用下，有效的平衡了布谷鸟算法的全局搜索能力和局部寻优能力，避免算法执行末期陷入局部极值点而出现的迟滞现象，提高算法的全局搜索效率和收敛精度。本专利技术将万有引力加速布谷鸟算法应用于圆度误差评定，具有较好的鲁棒性，待优化的圆度误差E能快速趋于稳定的最优值，并求解出两个同心圆的理想圆心和从而使得两同心圆之间的区域为最小区域。本专利技术采用如下技术方案：一种基于万有引力加速布谷鸟算法的圆度误差评定方法，包括本文档来自技高网...

【技术保护点】
一种基于万有引力加速布谷鸟算法的圆度误差评定方法，其特征在于，包括如下步骤：(1)优化的圆度误差函数为E(X

【技术特征摘要】
1.一种基于万有引力加速布谷鸟算法的圆度误差评定方法，其特征在于，包括如下步骤：(1)优化的圆度误差函数为E(X(1),X(2))＝min(Ry-Rx)，其中,(X(1),X(2))为待优化的圆心，E为圆度误差，Rx和Ry分别为嵌套在工件实际轮廓的两个同心圆的半径，(ui,vi)为工件轮廓测量点的坐标值，i∈[1,s]，s为测量点数；设置算法的最大进化代数为W、发现概率为Pa、初始时刻万有引力系数为G0、算法控制参数为θ、γ0、p、宿主巢穴的初始移动速度为V0、初始宿主巢穴位置X0,m,m∈[1,N]、N为种群个数、优化的圆度误差函数空间维度为D＝2；(2)根据E(X(1),X(2))＝min(Ry-Rx)计算初宿主巢穴位置X0,m对应的适应度函数值(3)计算第r次进化时物质个体的万有引力常数Gr；同时计算当前优化函数的适应度最优值Er,best和最差值Er,worst，以及对应的最优解Xr,gb，其中r为进化代数；(4)计算出作用物质个体m在第r次进化时的惯性质量Mr,pm和作用物质个体k在第r次进化时的惯性质量Mr,ak；(5)根据Gr、Mr,pm、Mr,ak、第r代第m个种群的候选解Xr,m的第j维度上的数值及第r代第k个种群的候选解Xr,k的第j维度上的数值计算当前进化代数的宿主巢穴所受到的万有引力合力和加速度其中，j表示优化的圆度误差函数的第j维度，j＝1,2；(6)计算得到Levy飞行随机游动方式的宿主巢穴Xr+1,m，同时，按照发现概率Pa舍弃一部分第r+1代宿主巢穴位置Xr+1,m；其中，表示点对点乘法，L(β)服从Levy概率分布；(7)计算Xr+1,m＝Xr,gb+p·(Xr,k-Xr,z-ar,m)，得到偏好随机游动方式产生的宿主巢穴Xr+1,m并替换步骤(6)中被舍弃的相同部分的第r+1代宿主巢穴位置Xr+1,m，其中k,z∈[1,N]且k,z均为随机整数；(8)计算步骤(7)中种群产生的宿主巢穴位置Xr+1,m对应的适应度函数值同时更新当前最优值Er+1,best和最差值Er+1,worst，以及对应的最优解Xr+1,gb；(9)若满足算法进化代数为W，则输出当前进化的最优解和并停止算法，否则返回步骤(3)重复执行算法，和即为两个同心圆的理想圆心。2.根据权利要求1所述的基于万有引力加速布谷鸟算法的圆度误差评定方法，其特征在于，适应度最优值Er,best和最差值Er,worst的求解过程如下：其中，Er,m是圆度误差的适应度值，表示进化至第r代的第m个物质个体的适应度值。3.根据权利要求2所述的基于万有引力加速布谷鸟算法的圆度误差评定方法，其特征在于，惯性质量Mr,pm和惯性质量Mr,ak的求解过程如下：

【专利技术属性】
技术研发人员：傅文渊，凌朝东，
申请(专利权)人：华侨大学，
类型：发明
国别省市：福建,35