[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

说明书

本发明请求保护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，其包括以下步骤：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；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；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，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；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。

技术领域

本发明属于管路多目标布局优化领域，尤其涉及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。

背景技术

复杂装备如航空发动机等通常包含大量管路和线缆，在管线敷设过程中需要考虑多个工程规则的要求，该问题就是典型的多目标优化问题。目前，管路敷设一般只考虑工期、质量、费用等指标，采用加权法或是变权重加权的方法将多个目标合并成一个目标进行优化。这种优化方法所采用的权重值具有主观性，其最优解只是多个目标函数的简单叠加，只能得出一个局部最优解，无法提供决策者多个解的选择，并未解决多目标优化的本质。

实际中，大多数多目标优化问题不像单目标优化那样存在唯一的最优解，其最优解通常为一个集合，即Pareto解集。只有真正求得管路多目标布局优化问题的Pareto最优解集或逼近Pareto最优解集，才能更加客观的反映多目标优化问题的本质，从而真正意义上解决多目标优化问题。目前，基于Pareto解集的管路多目标布局优化方法还比较少，总体上针对这一方面的研究仍处于起步阶段，基于NSGA算法解决管路的多目标优化问题理论研究和实际应用还未见报道。

到目前为止，智能优化算法已经提出多种以自然或社会启发的群体智能算法，包括蚁群算法、遗传算法以及粒子群算法等。其中帝国主义算法(imperialist competitionalgorithm,ICA)是一种受帝国竞争行为启发的进化算法，属于社会启发的随机优化搜索方式。该算法已经成功应用于多种优化问题中，可以验证该算法的在优化问题上的优越性，但是在多目标问题中的应用还非常少，因此帝国主义算法在多目标问题的应用以及算法的改进在管路布局优化方法问题上值得深入研究。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种可以提高算法优化性能、提高算法的全局搜索能力的基于改进距离策略帝国主义算法的管路布局优化方法。本发明的技术方案如下：

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，lpipe为管路长度，bpipe为管路弯头数，epipe为表示管路位置能量值，hpipe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，y A)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[x A，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；