[发明专利]一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法

摘要

本发明公开了一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法，属于智能优化算法的改进及应用领域。一方面，布谷鸟的搜索步长可根据当前鸟巢与最优鸟巢环境适应值之间的差距进行调整，鸟蛋的发现概率按照个体适应值的标准差来计算，从而提高了种群的搜索效率。另一方面，烟花算法中的爆炸半径采用“分段取值”的方法，火花的数目则根据炸点搜索范围来确定，个体在搜索过程中可感知当前爆炸点与最优值的差距，使烟花算子能够跳跃性、跨区域的搜索。将两个独立进化的子种群经过固定的代数相互融合，加强不同个体之间的信息交流。本发明结合了两种智能算法的优点，在压力容器优化设计中，具有良好的寻优效果。

主权项

一种基于自适应布谷鸟与烟花混合算法的压力容器优化设计方法，其特征在于，具体包括如下步骤：步骤一：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；压力容器的优化设计就是通过调节各个结构参数，以最小的成本获得最佳的容器性能，通过对于压力容器参数与性能之间的函数关系，建立如下的函数模型：式中，x₁表示容器内壁的厚度，x₂代表容器圆形头部厚度,x₃为头部圆形的内径，x₄为容器圆柱体部分的长；上式中，为所求的目标函数，而为参数的约束条件；步骤二：设置布谷鸟以及烟花算法的初始化参数以及种群；初始化参数：布谷鸟算法中，搜索步长布谷鸟鸟蛋的发现概率烟花算法中，爆炸点的半径R_i，爆炸点的火花数目M_i，爆炸点层数W；根据工业生产中得到的目标函数维数D，种群的规模Np，个体的最大迭代次数G_MAX，设置当前迭代次数t=0，种群在第t代第i个个体可表示为：种群的搜索的可行域为[X_min, X_max]，个体中每个维度的都必须限定在规定的范围内；种群初始化为：rand(1,Np)在算法运行时产生了Np个在(0,1)之间的均匀随机数；步骤三：将算法的种群一分为两个子种群N₁=Np/2, N₂=Np/2；分别将N₁和N₂放置在两个完全独立的进化环境中(E₁,E₂);步骤四：在进化环境E₁中，种群按照布谷鸟算法的基本流程进行，包括步骤 4.1~步骤 4.3:步骤 4.1: 当代布谷鸟鸟巢的位置为布谷鸟个体通过莱维公式来寻找下一代鸟巢从而实现了对空间的随机搜索；步骤 4.2: 计算备选鸟巢的适应值，比较的适应值，选出两个种群中适应值排名靠前的个体，形成了布谷鸟的新鸟巢步骤 4.3: 在中的每一个鸟巢都产生均匀分布随机数，作为布谷鸟鸟蛋被原鸟巢主人发现的概率，若则说明原宿主已经发现了布谷鸟鸟蛋，因此，布谷鸟需要随机寻找新的鸟巢，通过对比与两者适应值的大小，淘汰处于劣势的鸟巢位置；若则布谷鸟鸟巢不发生变化；最终，布谷鸟鸟巢的位置得到了更新，生成了新一代鸟巢位置步骤五：在进化环境E₂中，子种群按照N₂按照烟花算法的流程进行操作，具体如步骤5.1~步骤5.4：步骤 5.1: 对于D维的目标函数寻优问题，烟花爆炸点向空间中各个方向，依次生成了新的炸点火星，每一代爆炸点的初始半径为R_i；步骤 5.2: 烟花算子以炸点为中心向外生成W层的火星炸点，每一层的爆炸点半径为以一个烟花爆炸点为繁殖母体，生成了M_i个子火星然后比较爆炸点与的最优值，从而确定下一代备选烟花种群步骤 5.3: 由于采用贪婪选择的策略，烟花炸点之间的差距会逐渐降低；为保持种群的多样性，随机选取烟花种群中50%的个体，加入差分变异操作，如下所示：上式中，p为均匀分布的随机数，且是从烟花种群中随机选择的个体，i, j, k之间不能相同；通过rand产生了均匀分布在(0,1)之间的随机数，种群得到了部分具有新性状的候选爆炸点同时若候选爆炸点超出了可行域的范围，应重新对原有炸点进行差分变异操作，直到步骤 5.4: 选择操作，选出中的优势个体，组成了新型的下一代种群烟花炸点利用差分变异实现了对整个可行域范围内的搜索；步骤六：子种群之间的信息交流操作；在种群进化过程中，每隔10代，将子种群N₁和N₂融为一个种群N，设置单一进化环境为E，对布谷鸟个体与烟花个体的适应值进行排序，记录当前最佳个体步骤七: 终止检验；判断算法是否满足终止条件，若则返回步骤二，并且t=t+1；反之，算法结束，输出最优值。