[发明专利]一种基于适应性反向差分演化的机械参数优化设计方法

摘要

本发明涉及一种基于适应性反向差分演化的机械参数优化方法。本发明针对传统方法在解决非线性、不连续、不可导、带约束的机械参数优化设计问题时普适性差、精度低的缺点，提出一种基于适应性反向差分演化的机械参数优化设计方法，该方法将机械参数优化设计问题统一归结为带约束的最小值优化问题，同时将混沌运动的遍历性、随机性及对初值的敏感等性质融合到一般反向学习策略中，设计出适应性反向学习策略，并集成到差分演化算法中。该方法将当前种群变换成适应性反向种群，在当前种群和适应性反向种群中同时搜索最优解，从而提高传统差分演化算法求解非线性、不连续、不可导、带约束的机械参数优化设计问题的收敛速度和精度。

主权项

一种基于适应性反向差分演化的机械参数优化方法，其特征在于，包括以下步骤：步骤1，用户自定义初始化参数，所述初始化参数包括种群大小Popsize,缩放因子F，交叉概率Cr,反向概率Po,最大评价次数MAX_FEs；步骤2，令当前演化代数t=0，当前评价次数FEs=0；步骤3，产生初始化种群Pt＝{X1,X2,...,XPopsize }，其中Xi∈RD，Xij＝Lj+rand(0,1)·(Uj‑Lj)，i＝1,...,Popsize;j＝1,...,D；其中，D为机械参数优化设计的变量个数，rand(0,1)为在[0,1]之间产生均匀分布的随机数函数，Lj和Uj分别为第j个机械参数优化设计变量的取值范围的下界和上界；步骤4，计算种群Pt中每个个体的适应值，当前评价次数FEs＝FEs+Popsize，并保存适应值最小的个体为最优个体；步骤5，在[0,1]之间产生一个服从均匀分布的随机数r；如果r小于反向概率Po则执行步骤6，否则执行步骤7；步骤6，执行适应性反向学习操作，产生一个适应性反向种群OPt＝{OX1,OX2,...,OXPopsize}；然后计算种群OPt中每个个体的适应值，再从Pt∪OPt中选择出适应值最小的前Popsize个个体作为下一代种群Pt+1；然后转到步骤8；步骤7，执行传统差分演化算法的变异、交叉和选择操作算子产生下一代种群Pt+1；然后转到步骤8；步骤8，保存适应值最小的个体为最优个体；当前评价次数 FEs＝FEs+Popsize；当前演化代数t＝t+1；步骤9，重复步骤5至步骤8直至评价次数FEs达到MAX_FEs后结束，执行过程中得到的最优个体即为机械参数优化设计各变量的结果值。