【技术实现步骤摘要】
本专利技术属于盘式制动器的多目标工程优化领域，更具体地，涉及一种用于盘式制动器多目标工程优化设计的超启发式算法、装置、可读存储介质及程序产品。
技术介绍
1、在盘式制动器的多目标工程优化过程中，优化算法的优劣直接影响到最终结果的好坏，因此其设计至关重要。在优化算法领域，超启发式算法具有泛用性高、鲁棒性高、搜索空间易替换等优点，作为多目标优化领域的新兴方法之一，被广泛应用于结构设计与控制优化等领域。随着各种现实世界的问题的提出，对于超启发式算法的性能、学习能力、与质量等方面的要求也越来越高。在此背景下，进一步改善超启发式算法的框架以提高其性能，无疑具有十分重要的现实意义。
2、目前，主流的超启发式算法为选择超启发式算法，核心模块包括奖励评估机制、奖励更新机制与选择函数。奖励评估机制能够根据底层启发式算法(llh)处理种群的结果与其余信息，如时间信息，来得到奖励值(r)与质量值(q)作为选择函数的判据；而奖励更新机制能够在算法在迭代的过程中，让r与q也会随种群状态的改变以读取种群的当前状态；选择函数则是会根据q与其它信息选择出最...
【技术保护点】
1.一种用于盘式制动器多目标工程优化设计的超启发式算法，其特征在于，包括以下步骤：
2.如权利要求1所述的超启发式算法，其特征在于，所述步骤3中缩减种群总规模的方式为：从合并种群PΞ'中淘汰最差的N个个体，保留剩余子种群形成新的总种群PΞ”；
3.如权利要求1所述的超启发式算法，其特征在于，所述步骤2中的Q值计算所采用的奖励评估函数分阶段动态切换，其中，收敛阶段选取收敛性相关指标，包括世代距离或ε指标；多样性优化阶段采用收敛性与多样性的相关指标，包括IGD、HV、CPF、IGDX、IGDp或ΔP。
4.如权利要求1所述的超启发式算法...
【技术特征摘要】
1.一种用于盘式制动器多目标工程优化设计的超启发式算法，其特征在于，包括以下步骤：
2.如权利要求1所述的超启发式算法，其特征在于，所述步骤3中缩减种群总规模的方式为：从合并种群pξ'中淘汰最差的n个个体，保留剩余子种群形成新的总种群pξ”；
3.如权利要求1所述的超启发式算法，其特征在于，所述步骤2中的q值计算所采用的奖励评估函数分阶段动态切换，其中，收敛阶段选取收敛性相关指标，包括世代距离或ε指标；多样性优化阶段采用收敛性与多样性的相关指标，包括igd、hv、cpf、igdx、igdp或δp。
4.如权利要求1所述的超启发式算法，其特征在于，步骤4中的重启条件包括种群指标r变化幅度≤∈conv或迭代数≥τmax，其中：
【专利技术属性】
技术研发人员：雷远程，李虎，吴九林，肖子玉，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
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。