[发明专利]一种基于群体智能算法的压力容器设计方法

说明书

本发明涉及一种基于群体智能算法的压力容器设计方法，采用高斯变异和混沌理论改进蝗虫算法并优化压力容器成本最小化的设计问题。压力容器设计问题可以抽象成4个结构参数，4个约束条件和1个目标函数的数学模型用于算法的优化设计。从设计的数据可以看出，本发明所提出的算法（GC‑GOA）能够较好的设计出成本较小的压力容器。

技术领域

本发明涉及压力容器设计领域，特别是一种基于群体智能算法的压力容器设计方法。

背景技术

对于压力容器成本最小化的设计问题，这属于一种存在多约束条件的非线性规划问题。相对于工程当中的试算方式，已有引力搜索算法(Gravitational SearchAlgorithm，GSA)，进化策略算法(Evolutionary Strategies，ES)，遗传算法(GeneticAlgorithm，GA)用于优化压力容器设计问题，但是设计效果还有待改善。

蝗虫算法(Grasshopper Optimization Algorithm，GOA)是由澳大利亚团队—Shahrzad Saremi等人在2017年提出的一种新型群智能算法，此算法在求解问题最优化中具有良好的性能，但其仍存在早熟现象，容易陷入局部最优等问题。

发明内容

有鉴于此，本发明的目的是提出一种基于群体智能算法的压力容器设计方法，采用优化后的蝗虫算法来解决压力容器的设计问题，能够较好地优化了压力容器的成本设计。

本发明采用以下方案实现：一种基于群体智能算法的压力容器设计方法，包括以下步骤：

步骤S1：将压力容器的数学模型定义为：其中压力容器为包括两个半球形封头的圆柱容器，X₁至X₄为四个变量，T为圆柱容器的壳厚度，S半球形封头的厚度，R为半球形封头的内半径，L为圆柱容器的长度；设目标函数为：

步骤S2：进行种群初始化，即初始化步骤S1中四个变量的初始值，得到N行四列的矩阵作为解的空间，其中N为种群数量；

步骤S3：同时采用以下两个式子对蝗虫个体的位置进行更新：

式中，是第i个蝗虫个体在第d维的位置，i属于(1,2,...,N)，i对应第i个种群；d为维度，d＝4；x_i的位置对应第i个种群所找到的一组四维数组的解；ub_d、lb_d分别表示第d维搜索空间的上限、下限，这里的搜索空间范围对应压力容器设计问题的变量范围；c为自适应系数，s为作用强度；d_ij为第i和第j个蝗虫之间的距离，即d_ij＝|x_j-x_i|，分别表示第i和第j个蝗虫个体在第d维的位置(注释：大写的和小写的意思是一样的，可以认为大写的是小写根据公式重新赋值了一次；但是当最开始时，是只有小写的通过附近蚱蜢的吸引度影响产生的大写大写是考虑到了附近蚱蜢影响得到的第i个蝗虫个体在第d维的位置)；是目前已找到的最优位置，即当前最小设计成本所对应的四个变量的解；表示第i个个体在第t次迭代时的位置，r₁为区间(-1，1)的随机数；g为满足高斯分布在(0，1)范围内的随机数；r₂为区间(0，0.7)的随机数；初始矩阵Z_n-1经过logistic混沌操作后得到的带有混沌性质的新矩阵Z_n，表示第i个个体在t次迭代时的最优位置；

步骤S4：检查解的范围是否超过变量范围，并更新自适应系数c，计算目标函数；

步骤S5：判断是否遍历完当前种群，若否，重复返回步骤S3，若遍历完当前种群，进入步骤S6；