[发明专利]一种基于改进的量子遗传算法的扇形磨片排序方法

权利要求书

1.一种基于改进的量子遗传算法的扇形磨片排序方法，其特征在于，所述的一种基于改进的量子遗传算法的扇形磨片排序方法包含以下步骤：

步骤1，建立扇形磨片排序安装模型；

步骤2，构建目标函数和约束条件；

步骤3，采用实数编码方式，生成初代种群；

步骤4，适应度值计算；

步骤5，进行概率幅自适应更新，再根据更新概率幅更新种群；

步骤6，根据遗传算法的交叉、变异更新种群；

步骤7，再次进行适应度值计算；

步骤8，进行最佳个体迁移；

步骤9，判断是否满足终止条件；

步骤10，输出最佳个体和适应度值即排序结果。

2.如权利要求1所述的一种基于改进的量子遗传算法的扇形磨片排序方法，其特征在于步骤1，建立扇形磨片排序安装数学模型，将某块磨片处于某一位置用参数集合的形式表达清楚，其设计方法为：

将扇形磨片排序安装模型设计为总数为n的环状放置的单个扇形磨片组成的成组磨盘，其中第i个扇形磨片的特性参数为：质量m_i，质心位置(r_i,θ_i)，i＝1,2,…,n，其中质心c_i与该磨片的端面夹角为θ_i，r_i为距圆心距离。则第i个扇形磨片在j位置时，与X轴正方向的夹角为：

式中：j＝1,2,…,n。

扇形磨片i在位置j时的参数集合为：

H_i,j＝{m_i,r_i,θ_i,j}(2)

3.如权利要求1所述的一种基于改进的量子遗传算法的扇形磨片排序方法，其特征在于步骤2，构建目标函数和约束条件，其方法为：

首先，组合优化排序后的扇形磨片相对于旋转中心的不平衡量为：

X_i,j＝m_ir_icos(θ_i,j)(4)

Y_i,j＝m_ir_isin(θ_i,j)(5)

式中：

W_i,j表示扇形磨片i在j位置时的总质量矩；X_i,j表示扇形磨片i在j位置时相对于X轴的质量矩；Y_i,j表示扇形磨片i在j位置时相对于Y轴的质量矩。

再次，结合扇形磨片排序安装模型，构建扇形磨片相对于X轴的质量矩矩阵为：

同理扇形磨片相对于Y轴的质量矩矩阵为：

则优化目标函数为：

约束条件为：

式中：h表示扇形磨片编号，k表示扇形磨片所处位置，A_h,k表示在给定位置取1，其他位置取0。

4.如权利要求1所述的一种基于改进的量子遗传算法的扇形磨片排序方法，其特征在于步骤3，采用实数编码方式，生成初代种群，其方法为：设置原始概率幅矩阵如式(10)所示，初代种群根据此初始概率幅矩阵产生，同时初代概率幅矩阵根据初代种群的结构形态和适应度值进行自适应的更新。以此方案保证概率幅矩阵和种群的循环迭代更新，同时也保证种群向种群最佳适应度值的方向收敛，概率幅矩阵内元素也向0或1的方向收敛。

式中：n为磨片组内扇形磨片的数量；p_ij＝1/n表示扇形磨片i在j位置的取值概率。

5.如权利要求1所述的一种基于改进的量子遗传算法的扇形磨片排序方法，其特征在于步骤4，适应度值计算，其方法为：将初代种群带入目标函数(即适应度函数)进行适应度值计算。