[发明专利]一种基于改进的黑寡妇蜘蛛算法的拉伸弹簧优化方法

说明书

本发明提出了一种基于改进的黑寡妇蜘蛛算法的拉伸弹簧优化方法，用以解决现有的拉伸弹簧设计方法容易陷入局部最优解、收敛速度慢的问题。本发明的步骤如下：建立以重量为目标函数的拉伸/压缩弹簧问题的数学模型；构建基于差分进化算法和随机扰动的黑寡妇蜘蛛优化算法；采用改进的黑寡妇群优化算法对数学模型进行求解；根据求解数学模型的最佳决策变量输出弹簧的最佳结构设计方案。本发明基于差分进化算法，并加入了随机扰动策略，提高了算法的探索能力，避免算法陷入局部最优中。本发明具有更好的解质量、收敛精度和稳定性，提高了黑寡妇蜘蛛群优化算法在复杂优化问题上的表现。

技术领域

本发明涉及拉伸弹簧优化的技术领域，尤其涉及一种基于改进的黑寡妇蜘蛛算法的拉伸弹簧优化方法。

背景技术

在如今竞争激烈的世界中，有限的资源日益枯竭，这迫使人们以最小的成本和资源获得最大化的利润。这些问题的数学模型演变为最大化和最小化问题，通常称为优化问题。

拉伸弹簧设计(Tension Spring Design,TCSD)是一种约束优化问题，广泛存在于工程机械设备优化中，如空调压缩机中的弹簧优化，工业内燃机中的弹簧优化等。因此，拉伸弹簧质量的优劣直接影响到机械设备的工作性能。质量优良的拉伸弹簧能提升机械设备运行效率，充分利用能源资源，以及节约生产成本。传统的优化方法在解决拉伸弹簧质量时往往陷入局部最优解，造成寻优精度差，收敛速度慢等问题。

随着电子计算机的发展使得以前不能实现的工程结构优化，在现在变得可能实现，而传统的优化方法由于实施上的限制不能够满足现代计算的要求，而群体智能算法的出现使得一些工程结构优化的应用变成可能。群智能算法不仅具有实现简单、鲁棒性强、易于扩展和自组织等优点，而且具备可以有效地结合某些独特的策略或其他算法来平衡全局搜索能力和本地搜索能力。近些年提出了许多群智能优化算法。例如，受到自然界蜜蜂行为启发的仿生群智能算法---人工蜂群算法；模拟飞蛾围绕火焰飞行行为，将个体随机游走行为替换成了螺线搜索，可以有效解决优化问题的飞蛾扑火算法；根据帝王蝶的迁徙行为，种群会被分布在两部分的一种新型的群体智能算法---帝王蝶算法；根据蚁狮挖制漏斗状陷阱进行捕食蚂蚁过程提出的蚁狮算法；根据灰狼群体的捕猎行为，向着种群最好的三个个体靠近的灰狼优化算法；根据鲸鱼群捕猎时，随机对猎物进行包围或汽包网驱逐不同选择的鲸鱼优化算法。这些算法因其较好的特性，已应用于人工智能、计算机科学和控制工程等领域。

黑寡妇算法(BWO)是Hayyolalam等在2020年提出的一种群智能算法，模拟黑寡妇蜘蛛交配规则，并结合进化计算的随机搜索而产生的新型搜索算法。黑寡妇算法受到自嗜行为的启发，通过竞争和繁殖机制，不断去除种群中的劣解，来寻找全局最优解。当前许多学者对该算法进行了进一步的研究，Agal等人提出了基于权重和特征飞行的黑寡妇蜘蛛算法(WLBWO)，在互联网流式传输视频上，提高了带宽处理效率，降低了延迟。Micev等人提出了一种结合同步电机上突发短路测试数据的自适应黑寡妇优化方法。Premkumar等人用黑寡妇优化算法对PI控制器的比例和积分增益进行了优化，与粒子群、遗传等算法的优化结果进行比较，结果证明了黑寡妇优化算法的优越性。ATH等人使用黑寡妇优化算法与Ots(阀值分割法)方法结合，对图像进行多级阈值处理，增加了算法的准确性和效率，降低了计算的复杂度。Priyade等人提出了一种基于模糊的、结合蜘蛛猴优化算法的黑寡妇优化算法(BW-SMO)，参数用模糊逻辑控制，有效的降低了成本、延迟。Sheriba等人提出一种混合布谷鸟算法和改进的黑寡妇优化算法(IHCBW)，采用方向平均变异策略，提高算法的收敛性能，并将种群划分为多个子组，通过组合子群和形成新的种群来共享最好的个体，并可以防止过早收敛。Punithavathi等人提出将黑寡妇算法与改进的蚁群算法结合(BWO-IACO)，用于WSN(无线传感器网络)中基于集群的路由，大大提高了能源效率和网络寿命。