[发明专利]一种基于改进距离策略帝国主义算法的管路布局优化方法

权利要求书

1.一种基于改进距离策略帝国主义算法的管路布局优化方法，其特征在于，包括以下步骤：

S1、分别建立管路长度、弯头数以及安装便捷性三个目标函数，并应用罚函数法将避障约束函数分别集成到三个目标函数中；三个目标函数如下：

其中，l_pipe为管路长度，b_pipe为管路弯头数，e_pipe为表示管路位置能量值，h_pipe为管路与障碍相交的惩罚项，可根据种群中个体编码对应的路径计算得到；α，β，γ以及δ为正常数，根据经验进行调整确定；其中，编码方式按如下处理：给定起点和终点坐标分别为A(x A，yA)和B(x B，y B)，编码[x A，y A，1，x B，y B]代表从A点经过P(x A，y B)点到达B点；编码[xA，y A，0，x B，y B]代表从A点经过Q(x B，y A)点到达B点；

S2、初始化种群即国家，计算得到每个国家的目标函数值、约束违反总值以及与控制变量对应的状态变量，并将初始群体复制到外部储存空间；

S3、算法迭代，采用改进的距离策略帝国主义算法进行优化更新国家，所述改进的距离策略帝国主义算法改进在于：殖民地国家的位置更新不止依赖于所在帝国的帝国主义国家位置，还将其他强大殖民地的作用也作为殖民地更新的影响元素；将萤火虫算法的运动力学算法增加到殖民地位置更新中，即殖民地的位置更新不仅受到国家权力值的影响还受到国家间距离的影响；对更新后的国家重新进行仿真计算得到更新后的目标函数值和约束违反总值，将更新后的国家复制到外部储存空间与上一代国家进行非劣排序和拥挤距离计算，然后根据所得的排序情况进行裁剪以保持外部储存空间大小不变；

S4、判断是否满足迭代次数，若不满足，则继续进行算法迭代，若满足，则停止迭代，输出外部储存空间的帕累托最优解集，并根据遗传算法从帕累托最优解集中找到最优折衷解，并按照最优折衷解进行设计。

2.根据权利要求1所述的基于改进距离策略帝国主义算法的管路布局优化方法，其特征在于，所述步骤S2通过计算得到约束违反总值以及与控制变量对应的状态变量，具体包括：

所述的约束违反总值计算式如下：

式中，Vio(u)表示约束违反总值，N_s是状态变量的不等式约束总数，h_k(x,u)表示第k个状态变量的不等式约束；

所述的状态变量获取，是在得到确定的控制变量值即国家个体的位置属性后，通过牛顿-拉夫逊迭代法进行计算可得到包括管路长度、管路弯头数、管路位置能量值、管路与障碍相交的惩罚项在内的状态变量大小。

3.根据权利要求1所述的基于改进距离策略帝国主义算法的管路布局优化方法，其特征在于，步骤S3将其他强大殖民地的作用也作为殖民地更新的影响元素，改进后的殖民地位置更新公式如下：

P(Col_new)＝P(Col_old)+β*[P(country_stronger)-P(Col_old)]+α*(rand(0,1)-0.5)

式中，P(Col_new)表示殖民地更新后的位置，P(Col_old)表示殖民地更新前的位置，P(country_stronger)表示殖民地所在帝国中所有比该殖民地更强的国家，也包括该帝国的帝国主义国家，α*(rand(0,1)-0.5)表示扰动项，α表示扰动项系数。

4.根据权利要求1所述的基于改进距离策略帝国主义算法的管路布局优化方法，其特征在于，所述根据遗传算法从帕累托最优解集中找到最优折衷解，具体包括：首先产生初始种群，GA优化算法层把设计变量和参数传至仿真层，仿真层进行仿真后，GA优化算法层调用仿真层仿真结果，进行目标函数及约束条件计算，判断是否达到优化目标或满足一定的迭代次数，若不满足则按照遗传算法进行选择、交叉和变异，生成下一代群体继续进行迭代。在所述设计变量和约束条件下，以管路长度、弯头数以及安装便捷性为目标进行多目标优化设计，最终求得帕累托最优解。