[发明专利]基于改进哈里斯鹰优化算法的压力容器结构优化方法

说明书

本发明提出了一种基于改进哈里斯鹰优化算法的压力容器结构优化方法，其步骤如下：首先，通过对于压力容器的数学建模，确定影响压力容器结构性能的各个变量以及变化范围，建立压力容器结构优化的目标函数；然后，利用改进的哈里斯鹰优化算法对目标函数进行优化，得到压力容器结构的各个变量的最优值。本发明将自适应合作觅食策略嵌入到一维位置更新框架中，根据转换因子自适应地选择一维更新操作和传统的全维更新操作，有效地提高了算法的种群多样性；又通过分散觅食策略，将部分哈里斯鹰个体随机地分散到其他区域觅食，避免算法陷入局部最优；本发明采用随机指数衰减函数更好地模拟猎物能量的消耗过程，解决了探索阶段与开发阶段不平衡的缺陷。

技术领域

本发明涉及压力容器结构优化技术领域，特别是指一种基于改进哈里斯鹰优化算法的压 力容器结构优化方法。

背景技术

优化是在特定问题的所有方案中寻找最佳解决方案的过程。基于梯度信息来寻找最优解 的方式难以适应大规模、多约束、多模态、高维度等特点的复杂挑战。在此背景下，群智能 优化算法快速发展，对解决这类复杂问题更加高效。

群智能算法是一种典型的自然启发式算法，它的本质是基于生物群体行为的全局概率搜 索算法。群智能算法主要依赖其概念简单，易于实现，不需要梯度信息，能够绕过局部最优 等优点，已被广泛应用于不同学科的优化问题。到目前，人们提出了许多群智能优化技术。 人工蜂群算法通过模拟蜜蜂的采蜜行为来实现最优化；蚁群算法受到蚁群觅食过程中寻找最 优路径的启发；细菌觅食算法通过模拟细菌避开有害物质并寻找食物的行为来实现优化；萤 火虫算法的思想来源于萤火虫通过自身发光实现繁殖和觅食的行为；果蝇算法利用果蝇敏锐 的嗅觉和视觉特性进行随机优化；布谷鸟搜索算法受布谷鸟物种寻找一个最好的鸟巢来孵化 下一代的启发而形成的群智能优化算法；人工鱼群算法受人工鱼群的运动捕食行为的启发， 通过模拟鱼群的觅食行为，聚集行为和追尾行为来实现全局优化；蜻蜓算法利用蜻蜓群的捕 食和迁徙特性进行随机优化。

群智能算法作为一种新型的仿生类算法受到学者的广泛关注并且快速发展。然而，根据 无免费午餐定理(No free lunch theorems，NFL)，不能将一种算法视为通用的优化器来解决 所有的优化问题。NFL定理鼓励学者提出新的优化算法，改进经典的优化算法以实现更好的 优化性能。因此，Heidari等人通过模拟哈里斯鹰群在捕食猎物过程中的群体合作行为，提出 了一种新的群智能算法，哈里斯鹰优化算法，通过29个基准测试函数和几个工程优化问题的 仿真实验，证明了哈里斯鹰优化算法(Harris Hawk optimizationalgorithm，HHO)在优化问 题上的有效性。同时，HHO算法操作简单，调整参数少，易于实现，已被应用于解决多个学 科的实际优化问题。例如，图像分割、结构优化、图像去噪、参数辨识、布局优化、电力负 荷分配。