基于改进多目标混合粒子群算法的汽车传动参数优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113887114A(43)申请公布日2022.01.04(21)申请号202111111114.XG06N3/00(2006.01)(22)申请日2021.09.18(71)申请人湖南大学地址410082湖南省长沙市岳麓区麓山南路麓山门(72)发明人付建勤孙希雷谢茗柯刘琦王槐麟(74)专利代理机构湖南兆弘专利事务所(普通合伙)43008代理人刘畅舟徐好(51)Int.Cl.G06F30/25(2020.01)G06F30/17(2020.01)G06F30/15(2020.01)G06K9/62(2006.01)权利要求书3页说明书15页附图3页(54)发明名称基于改进多目标混合粒子群算法的汽车传动参数优化方法(57)摘要本发明公开了一种基于改进多目标混合粒子群算法的汽车传动参数优化方法，包括：对于当前种群中的每个粒子，根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的个体最优值pbest，并求解Pareto最优前沿，根据所述Pareto最优前沿得到种群全局最优值gbest，根据所有粒子的类别，计算每个粒子对应的类别最优值nbest；然后计算每个粒子下一次迭代的位置；用遗传算法更新种群中的所有粒子得到用于下一次迭代的种群，然后继续迭代，满足预设的终止迭代条件时将Pareto最优前沿对应的粒子输出作为最优的汽车动力传动参数。本发明保证较低时间复杂度的前提下，防止过早收敛陷入局部最优，可以获得更准确的计算结果。CN113887114ACN113887114A权利要求书1/3页1.一种基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，包括以下步骤：S1)根据预设的初始参数创建种群，初始化所述种群中每个粒子的位置，所述粒子为汽车传动参数；S2)对于当前种群中的每个粒子，根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的个体最优值pbest，并求解Pareto最优前沿，根据所述Pareto最优前沿得到种群全局最优值gbest，根据所有粒子的类别，计算每个粒子对应的类别最优值nbest；S3)用每个粒子的位置、每个粒子的个体最优值pbest、群体全局最优值gbest以及每个粒子对应的类别最优值nbest计算每个粒子下一次迭代的位置；S4)用遗传算法更新种群中的所有粒子得到用于下一次迭代的种群，返回步骤S2)直到满足预设的终止迭代条件；S5)将Pareto最优前沿对应的粒子输出作为最优的汽车动力传动参数。2.根据权利要求1所述的基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，步骤S2)具体包括：S21)根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的动力性分目标函数值以及经济性分目标函数值；S22)根据每个粒子的动力性分目标函数值以及经济性分目标函数值与上一次迭代中对应的个体最优值pbest的动力性分目标函数值以及经济性分目标函数值比较结果，确定本次迭代中每个粒子的个体最优值pbest；S23)根据每个粒子的动力性分目标函数值以及经济性分目标函数值求解Pareto最优前沿，根据所述Pareto最优前沿与上一次迭代中的群体全局最优值gbest的比较结果，确定本次迭代中的群体全局最优值gbest；S24)若本次迭代为第一次迭代，对所有粒子进行聚类以划分每个粒子的类别，并执行步骤S25)，否则直接执行步骤S25)；S25)对于同一类别下的所有粒子，根据每个粒子的动力性分目标函数值以及经济性分目标函数值求解Pareto最优解，根据所述Pareto最优解确定本次迭代中所述类别下所有粒子的类别最优值nbest。3.根据权利要求2所述的基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，步骤S22)具体包括：分别将每个粒子的动力性分目标函数值以及经济性分目标函数值与上一次迭代中对应的个体最优值pbest的动力性分目标函数值以及经济性分目标函数值比较，若粒子支配上一次迭代中对应的个体最优值pbest，将粒子的当前位置作为本次迭代对应的个体最优值pbest，若粒子未支配上一次迭代中对应的个体最优值pbest，随机选择粒子的当前位置或者上一次迭代中对应的个体最优值pbest作为本次迭代对应的个体最优值pbest。4.根据权利要求2所述的基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，步骤S23)具体包括：根据每个粒子的动力性分目标函数值以及经济性分目标函数值，对所述种群进行快速非支配排序找到Pareto最优前沿，将上一次迭代中的群体全局最优值gbest与Pareto最优前沿进行比较，若上一次迭代中的群体全局最优值gbest为支2CN1138871