【技术实现步骤摘要】
基于群智能算法的冷备用可靠性冗余分配方法及系统
本公开涉及软计算技术、冷备用技术、数据优化
，更具体为涉及基于群智能算法的冷备用可靠性冗余分配方法及系统。
技术介绍
冗余分配问题(RAP)的方法在现代工业的可靠性设计中起着至关重要的作用[1-27]。它通过提供冗余组件来增强由特定数量的子系统组成的系统的可靠性和可用性。添加冗余后，系统设计的代价和复杂性会增加，然而只要失败的代价足够高，该方法仍然是一个有吸引力的选择[39-41]。可靠性-冗余分配问题(RRAP)是最惯用的RAP方法，也是一个经典的优化方法问题，它考虑了并行增强组件可靠性和冗余组件的最优组合，即它涉及可靠性的选择(浮点变量介于0和1之间)和每个子系统中组件的冗余数(整数正变量)，以最大化系统可靠性，满足一些预先给定的资源条件[9-12,23-25]。在RRAP中，有两种主要策略可以提高系统可靠性：主-备方式(Active-Standby方式)[9-12,23-25],主-备方式即指的是一台系统的服务器处于某种业务的激活状态(即Active...
【技术保护点】
1.基于群智能算法的冷备用可靠性冗余分配方法，其特征在于，所述方法包括以下步骤：/n步骤0，找到n
【技术特征摘要】
1.基于群智能算法的冷备用可靠性冗余分配方法，其特征在于，所述方法包括以下步骤：
步骤0，找到nk和λk的界限，生成解Xk，其中，k为随机数1,2,…,2·Nsol，计算解的适应值，并令i＝Nsol+1，t＝2·Nsol，则G＝(g1,g2,…,gn)是所有解中的最优解；
步骤1，在X1,X2,…,X2Nsol中选择最优的Nsol个解，并根据它们的适应值将这些Nsol个解从1开始重新编号到Nsol，若i>j，则使Xi<Xj；
步骤2，通过逐步函数更新机制将Xi进行更新；
步骤3，计算Xi的适应值并令t＝t+1，如果Xi优于G则令G＝Xi并将G作为最优可行解实施DBS方法；
步骤4，如果i<2·Nsol,令i＝i+1，并转到步骤2.
步骤5，如果t<Nfit,令i＝Nsol+1,并转到步骤1，否则停止，G即为所需的最终解；
其中，ni是冷备用冗余系统中子系统i中的组件数，i＝1,2,…,n，λi是冷备用冗余系统的子系统的组件故障率，n是子系统的数量，Nsol表示解的数量，Nfit表示适应值评估次数。
2.根据权利要求1所述的基于群智能算法的冷备用可靠性冗余分配方法，其特征在于，在步骤0中，生成解Xk的解结构为：每个子系统只有一个浮点类型的变量，所述解结构中的每个浮点变量，整数部分表示冗余数，小数点后的值是子系统的λi值。
3.根据权利要求2所述的基于群智能算法的冷备用可靠性冗余分配方法，其特征在于，在步骤0中，计算解的适应值方法为：
令n为子系统的数量，N＝(n1,n2,...,nn)为系统的冗余分配向量，λ＝(λ1,λ2,...,λn)为系统的组件可靠性向量，令vi,ci和wi分别是子系统i中i＝1,2,…,n的组件的数量、代价和权值，权值和数量可以定义如下：
将Rs(N,λ)最大化，则
其中gv(N,λ)，gc(N,λ)和gw(N,λ)分别是数量、代价和权值相对于N和λ的非线性约束；αi和βi是子系统i中每个组件的物理特征，i＝1,2,…,n；Vub，Cub和Wub分别是整个系统的数量、代价和权值的上限；
在冷备用冗余系统RRAP中，求解冗余整数变量n1,n2,...,nn和泊松参数λ1,λ2,...,λn浮点变量以最大化整体系统可靠性Rs(N,λ)中的ri值是使用等式获得，i＝1,2,…,n；采用以下等式中所示的罚函数Rp(N,λ)来代替系统可靠性Rs(N,λ)，系统可靠性即解的适应值：
4.根据权利要求3所述的基于群智能算法的冷备用可靠性冗余分配方法，其特征在于，在步骤2中,逐步函数更新机制为：：
令xi,j为中第i个解的第j个变量，其中i＝1,2,…,Nsol和j＝1,2,…,n，其中，每个解的所有变量都是浮点数，xi,j的整数部分表示nj的值，而xi,j的小数部分表示λj的值，因此，每个变量xi,j的逐步函数更新机制是：
如果新的xi,j是不可行的，则重新计算等式xi,j＝10-6ρ[-0.5,0.5]xj，其中ρI是从区间I均匀生成的随机数，g...
【专利技术属性】
技术研发人员：郝志峰，叶维彰，朱文博，
申请(专利权)人：佛山科学技术学院，
类型：发明
国别省市：广东;44
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。