基于多策略改进的算术优化算法实现工程优化的方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115935797A(43)申请公布日2023.04.07(21)申请号202211463579.6(22)申请日2022.11.22(71)申请人大连工业大学地址116034辽宁省大连市甘井子区轻工苑1号(72)发明人李明颖刘志磊宋宏祥张福兴庞桂兵樊双蛟张慧高腾(74)专利代理机构大连格智知识产权代理有限公司21238专利代理师刘琦张俊杰(51)Int.Cl.G06F30/27(2020.01)G06N3/006(2023.01)G06F111/08(2020.01)权利要求书3页说明书8页附图3页(54)发明名称基于多策略改进的算术优化算法实现工程优化的方法(57)摘要本发明公开了一种基于多策略改进的算术优化算法实现工程优化的方法，步骤为：首先，将使用正弦因子改进的r1与数学优化器加速函数(MOA)进行比较，重构算术优化算法的搜索阶段，以此平衡在算术优化算法中勘探阶段和开发阶段的比重。然后，利用黄金正弦策略引导个体逼近最优解，实现算法精细化搜索。使用龙格库塔算法的增强解质量(ESQ)机制进一步提高当前最优解的质量，使其跃出局部最优，搜索到最优解。将算法应用到基准测试函数和工程优化问题实例中，试验结果表明，改进后的算法搜索能力强，收敛精度高，收敛速度快，且面对实际工程优化问题效果良好。CN115935797ACN115935797A权利要求书1/3页1.一种基于多策略改进的算术优化算法实现工程优化的方法，其特征在于，包括如下步骤：S1、针对待优化的工程问题，确定优化参数，分别对应于xm,n；其中，种群中有m只个体，每个个体的维度为n；S2、利用多策略改进的算术优化算法进行优化，包括如下子步骤：步骤1：在初始化阶段，通过以下方程生成一个初始化种群矩阵：其中，X为初始化种群矩阵，{x1,1,x1,2,Lx1,n}表示种群个体；xn,max和xn,min分别为个体维度的最大值和最小值，自定义值用于约束种群个体的取值范围；rand(0,1)为处于[0,1]的一个随机数；步骤2：设置适应度函数，计算种群个体适应度值，得出初始化种群最优解，开始进入迭代；步骤3：计算数学优化器加速函数(MOA)，数学优化器概率函数(MOP)和经过正弦因子改进r1的数值，并将r1与MOA的数值进行比较，若r1<MOA，种群个体则进入勘探阶段，否则进入开发阶段；数学优化器加速函数(MOA)公式如下：其中，t为当前迭代次数，Tmax为最大迭代次数，MOAmax和MOAmin分别为数学优化器加速函数的最大值1和最小值0.2。步骤4：按照黄金正弦策略引导进入勘探阶段的种群个体进行位置更新，进入开发阶段的种群个体则按照加减法策略进行位置更新；步骤5：判断更新后种群个体的适应度值是否小于当前最优值，如果是，则当前最优值更新，同时更新最优种群个体，否则不更新；步骤6：将当前最优解代入龙格库塔算法的强化解的机制(ESQ)以增强解质量；步骤7：计算增强后的种群个体适应度值，若小于强化前最优解适应度值则强化成功，更新最优解和最优种群个体；否则强化失败，最优解不变，同时记录迭代次数；步骤8：若迭代次数小于最大迭代次数，则将得到的最优解代入步骤3，执行步骤3；步骤9：若迭代次数大于等于最大迭代次数，完成所有迭代则优化结束，输出全局最优值。2.根据权利要求1所述基于多策略改进的算术优化算法实现工程优化的方法，其特征在于，待优化的工程问题为基于PID控制电机稳定运行的参数整定问题，确定优化参数包括比例因子kp，积分因子ki，微分因子kd；此时，n＝3，{x1,1,x1,2,x1,3}，{x2,1,x2,2,x2,3}，L，{xm,1,xm,2,xm,3}代表待优化参数{kp，ki，kd}的m个候选值，m代表候选值个数，为自定义数值，算法2CN115935797A权利要求书2/3页经过多次迭代进而从m个候选值中选择出最优值；适应度函数在该问题中为输出与输入的误差函数，优化目标即为使输入与输出的误差最小化。3.根据权利要求1所述基于多策略改进的算术优化算法实现工程优化的方法，其特征在于，待优化的工程问题为压力容器设计问题，参数包括压力容器圆柱体部分的截面长度L，圆柱体部分内壁直径R，圆柱体部分的壁厚Ts，头部壁厚Tl；此时，n＝4，{x1,1,x1,2,x1,3,x1,4}，{x2,1,x2,2,x2,3,x2,4}，L，{xm,1,xm,2,xm,3,xm,4}代表待优化参数{L，R，Ts，Tl}的m个候选值，m代表候选值个数，为自定义数值，算法经过多次迭代进而从m个候选值中选择出最优值；适应度函数在该问题中为压力容器的成本函数，优化目标即为使压力容器制作的成本最小化。4.根据权利要求1所述基于多策略改进的算术优化算法实现