【技术实现步骤摘要】
一种用于结构优化设计的双链量子遗传算法
本专利技术涉及结构优化设计
，特别涉及飞行器结构尺寸优化/拓扑优化设计过程中大规模设计参数的寻优问题，基于量子优化思想，实现结构最优设计。
技术介绍
在飞行器结构优化设计时，为了在满足设计条件(如强度、刚度、材料选择及制造工艺要求等)下设计出合理的结构形式和尺寸，最初是借助于数学最优化方法来实现结构的最优化设计，近年来随着高性能计算机和新的优化思想的提出，以仿生学为基础的进化算法(遗传算法，蚁群算法，粒子群算法等)在飞行器结构优化设计中得到了广泛的应用。与传统的最优化方法相比较，它具有使用简便、不依赖于求解问题的数学特征以及全局寻优能力强等优点。但是，飞行器设计中经常遇到大规模设计参数的寻优问题，当面对这类规模较大的复杂系统优化设计问题时，标准的进化算法往往会出现早熟现象，因而很难搜索到全局最优解，甚至得不到工程可靠解。量子优化算法就是作为解决上述问题的一个可行的方法而出现的。由于其在收敛速度和计算复杂度等方面都显著超越了常规进化算法，具有诱人的应用前景。专利技术...
【技术保护点】
1.一种用于结构优化设计的双链量子遗传算法，应用于飞行器结构优化设计领域，其特征在于：该方法实现步骤如下：/n步骤一：根据工程实际需要，确定相应的优化目标，根据飞行器尺寸，材料属性以及载荷信息确定的样本库，选取设计变量以及约束条件；/n步骤二：对选取的n个设计变量进行种群初始化操作，设定转角步长初始为θ
【技术特征摘要】
1.一种用于结构优化设计的双链量子遗传算法，应用于飞行器结构优化设计领域，其特征在于：该方法实现步骤如下：
步骤一：根据工程实际需要，确定相应的优化目标，根据飞行器尺寸，材料属性以及载荷信息确定的样本库，选取设计变量以及约束条件；
步骤二：对选取的n个设计变量进行种群初始化操作，设定转角步长初始为θ0、变异概率为Pm，将m个个体的种群表示如下：
其中，tij＝2π×rand；rand为(0,1)之间的随机数，i＝1,2,...,m；j＝1,2,...,n；m表示种群规模，n表示量子位数；
步骤三：通过观察初始种群的状态来获得一组确定的二进制解集P(t)＝{p1t,p2t,…,pnt},每个解Pit为一个长度为m的二进制串，其值由相应量子位的观测概率|αit|2或者|βit|2决定，其中i＝1,2,…,n；将每条染色体代表的近似解，由单位空间In＝[-1,1]n映射到连续优化问题的解空间Ω，计算各染色体的适应度；记当代最优解为对应染色体为到目前为止的最优解为X0,对应染色体为P0，若则
步骤四：对种群中每条染色体上的量子位，以P0中相应量子位为目标，确定转角方向，确定转角大小，应用量子旋转门更新其量子位；
步骤五：对种群中每条染色体，应用量子非门按变异概率实施变异；
步骤六：判断是否满足收敛条件或者达到最大迭代次数，若满足，则结束优化过程，以当前设计变量的值作为飞行器结构优化设计的最终结果，若不满足，则转至步骤三直至满足收敛条件或者达到最大迭代次数。
2.根据权利要求1所述的一种用于结构优化设计的双链量子遗传算法，其特征在于：
所述步骤一中设计变量及约束条件的选取基于实际工程决定初始种群的规模和解空间的复杂度，对于尺寸优化，设计变量是结构的尺寸，单元厚度参数，对于拓扑优化，设计变量是单元伪密度。
3.根据权利要求1所述的一种用于结构优化设计的双链量子遗传算法，其特征在于：
所述步骤二的种群初始化方案中，将量子比特的两个概率幅值都看成基因位，因此一条染色体看作上下两条并列的基因链，一条基因链代表一个优化解，所以，一条染色体同时代表搜索空间中的两个优化解：
Pic＝(cos(ti1),cos(ti2),...,co...
【专利技术属性】
技术研发人员：王晓军，倪博文，王磊，阳焱，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11
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。