一种基于改进蜂群算法的船舶横剖面结构优化方法技术

本发明专利技术公开了一种基于改进蜂群算法的船舶横剖面结构优化方法。首先基于构件库索引将离散结构模型转换为连续优化模型，从而为蜂群算法应用奠定基础。其次，为解决高维优化带来的纬度爆炸，设计均匀化的Logistic映射用于构件剖面尺寸初始化，以提高决策空间随机性和遍历性。由于蜂群算法存在精于勘探、疏于开采的问题，考虑个体优良度和算法进行度，分别重建动态的引领蜂搜索和跟随蜂跟随策略，从而平衡算法的搜索能力，增强其寻优质量。最后，基于剖面模数敏感度分析，将迭代求解的连续值规格化，以符合实际工程需求。本方法能够自适应调节每一个体的全局搜索和局部搜索倾向，提升了船舶结构优化的效率和结果精度，具备实用价值。值。值。

【技术实现步骤摘要】
一种基于改进蜂群算法的船舶横剖面结构优化方法


[0001]本专利技术涉及船舶结构优化领域，更具体地，是一种基于改进蜂群算法的内河船舶横剖面结构尺寸优化方法。

技术介绍

[0002]内河航运自古以来就是人类物资交换和经济交流的重要载体。伴随世界贸易和多联运输技术的发展，相较陆地运输，水上运输以能耗低、运量大、占地少、污染小的显著特点引起人们愈加的重视。2020年，内河货运量达到38亿吨，超过同期铁路货运量，与远洋货运量比例达到了13：1，而水上运输市场的竞争力度重新回到顶峰。与此同时，中国船级社(CCS)近年不断出台的新规范，对内河船舶的各项指标都提出了更高要求。面对着更严格的法规、更严峻的竞争形势，提升内河船舶的设计技术，加速设计效率，改进设计方法，是进一步促进内河航运高质量发展的关键，也是新时代船舶制造行业改革的重要方向。
[0003]为满足人们对船舶多性能的要求，在当今计算数学和计算机算力提供的物质基础下，结构优化设计应运而生。所谓船舶结构优化，就是寻求船舶结构更合理的布置、形式和尺寸，使船舶在满足强度、稳定性、船体固有频率等多种要求下。同时具有理想的经济性能、力学性能或操纵性能等。
[0004]现有技术中无论是直接利用规范的规范设计法，还是间接使用规范的裕度插值法，得到的都只是结构尺寸的一般可行解，而不是最优方案。
[0005]基于遗传算法等种群智能算法的相关优化研究也已取得相当的成果，现在技术中多偏重于思考实际船舶结构向优化模型的应用转换，例如对离散结构变量的考虑，亦或是通过实际约束条件构造算法边界等，对于算法寻优机制的研究则略有不足，但实际上，作为优化方法的主体，算法自身的寻优机制同样是决定最终优化质量的关键，尤其是面对各模型的维度、目标函数凸凹性等都大相径庭的船舶结构优化问题，除修改算法的优化模型以匹配船舶结构外，改进优化算法本身的寻优策略应当是更具普适意义的方案。

技术实现思路

[0006]为解决上述问题，本专利技术建立一种基于改进蜂群算法的船舶横剖面结构优化方法，其重点改进算法寻优策略，从而提高船舶结构优化效率和结果精度。
[0007]一种基于改进蜂群算法的船舶横剖面结构优化方法，其包含以下步骤：
[0008]基于构件库索引将离散结构模型转换为连续优化模型；
[0009]确定设计变量、约束条件和目标函数；
[0010]设计均匀化的Logistic映射进行设计变量初始化；
[0011]分别重建动态的引领蜂搜索和跟随蜂跟随策略；
[0012]将迭代求解的连续特征值转为可用的结构型号。
[0013]优选地，所述设计变量为剖面内所有纵向板的厚度及板上纵向骨材的型号；所述目标函数为总剖面面积或剖面垂心高度；所述约束条件由船舶规范确定，同时，所述约束条
件设置为设计变量原设计值的上下20％之间。
[0014]所述的设计均匀化的Logistic映射进行设计变量初始化，可表达如下：
[0015][0016]x
i,j
＝x
min,j
+γ
k
×
(x
max,j
‑
x
min,j
)
[0017]式中，h0为(
‑
1,1)间的随机初值；x
i,j
为最终初始化生成的决策变量，x
max,j
和x
min,j
为实际优化模型的变量上下边界；γ
k
为括号内式子迭代k次，k取150
‑
250。
[0018]所述的基于构件库索引将离散结构模型转换为连续优化模型，其具体为：
[0019]X＝(P1,P2,
…
P
m
,S1,S2,
…
S
n
)
[0020]其中，P和S分别为纵向板板厚和纵向骨材型号。
[0021]与设计变量一一对应的优化状态量为：
[0022]Y＝(p1,p2,
…
p
i
,s1,s2,
…
s
j
,w1,w2,
…
w
k
),i+j+k＝m+n
[0023]其中，p代表板厚在板材库中的索引；s代表标准骨材的型号在型材库内的索引；w为非标准结构的剖面模数。
[0024]所述的构件库为包括板材及型材特征的标准构件知识库，其中，板材特征为板厚。以0.5mm为最小单位，将一系列板材厚度录入板材库；型材特征为包含截面尺寸、剖面模数的截面属性。
[0025]所述将迭代求解的连续特征值转为可用的结构型号，包含标准结构规格化和基于敏感度的自定义结构规格化；标准结构的规格化策略为：遍历构件库，选取特征值最接近最终求解的库内结构，对于板材，需求特征值为板厚，对于型材，需求特征值为剖面模数；自定义结构的规格化策略为：寻求自定义结构的剖面尺寸中，对其特征值即优化变量影响最大的一项。
[0026]与现有技术相比，本专利技术具有如下有益效果：
[0027]首先，为解决高维优化带来的纬度爆炸，设计均匀化的Logistic映射用于构件剖面尺寸初始化，以提高决策空间随机性和遍历性。
[0028]其次，由于蜂群算法存在精于勘探、疏于开采的问题，考虑个体优良度和算法进行度，分别重建动态的引领蜂搜索和跟随蜂跟随策略，从而平衡算法的搜索能力，增强其寻优质量。
[0029]最后，基于剖面模数敏感度分析，将迭代求解的连续值规格化，以符合实际工程需求。
[0030]综上所述，本方法能够自适应调节每一个体的全局搜索和局部搜索倾向，提升了船舶结构优化的效率和结果精度，具备实用价值。
附图说明
[0031]图1是本专利技术的优化方法流程图；
[0032]图2是本专利技术中船舶型材库示意图；
[0033]图3是本专利技术中蜂群算法均匀化Logistic映射粒子分布示意图；
[0034]图4是本专利技术中蜂群算法全局搜索能力变化趋势示意图；
[0035]图5是本专利技术中蜂群算法蜜源选取概率变化趋势示意图；
[0036]图6是本专利技术中T型材尺寸推荐流程图；
[0037]图7是测试函数优化收敛曲线；
[0038]图8是实例优化对象图；
[0039]图9是实船优化收敛曲线。
[0040]实施方式
[0041]为了使本专利技术的目的、技术方案及优点更加清楚明白，下面将结合附图及实施例，进一步清晰、完整的说明本专利技术。应当理解，所描述的实施例仅仅是本专利技术一种内河船舶横剖面结构尺寸优化方法部分实施例，而不是全部的实施例，并不作为本专利技术的限定。
[0042]图1是本专利技术的优化方法流程图，以下就本专利技术的结构优化方法做示例性说明。
[0043]步骤一：基于构件库索引将离散结构模型转换为连续优化模型，从而为蜂群算法应用奠定基础。
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进蜂群算法的船舶横剖面结构优化方法，其特征在于，包含以下步骤：确定设计变量、约束条件和目标函数；设计均匀化的Logistic映射进行设计变量初始化；分别重建动态的引领蜂搜索和跟随蜂跟随策略；将迭代求解的连续特征值转为可用的结构型号。2.如权利要求1所述的一种基于改进蜂群算法的内河船舶横剖面结构尺寸优化方法，其特征在于，在步骤“确定设计变量、约束条件和目标函数”中，还包括基于构件库索引将离散结构模型转换为连续优化模型。3.如权利要求1或2所述的一种基于改进蜂群算法的内河船舶横剖面结构尺寸优化方法，其特征在于，所述设计变量为剖面内所有纵向板的厚度及板上纵向骨材的型号。4.如权利要求1或2所述的一种基于改进蜂群算法的内河船舶横剖面结构尺寸优化方法，其特征在于，所述目标函数为总剖面面积或剖面垂心高度。5.如权利要求1或2所述的一种基于改进蜂群算法的内河船舶横剖面结构尺寸优化方法，其特征在于，所述约束条件由船舶规范确定。6.如权利要求5所述的一种基于改进蜂群算法的内河船舶横剖面结构尺寸优化方法，其特征在于，所述约束条件设置为设计变量原设计值的上下20％之间。7.如权利要求1所述的一种基于改进蜂群算法的内河船舶横剖面结构尺寸优化方法，其特征在于，所述的设计均匀化的Logistic映射进行设计变量初始化，可表达如下：x
i,j
＝x
min,j
+γ
k
×
(x
max,j
‑
x
min,j
)式中，h0为(
‑
1,1)间的随机初值；x
i,j
为最终初始化生成的决策变量，x
max,j
和x
min,j

【专利技术属性】
技术研发人员：向先波，杨少龙，聂庞，向巩，段煜，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：