一种变权重的灰狼算法优化方法技术

一种变权重的灰狼算法优化方法的应用，包括设定社会阶级作用于灰狼种群搜索和捕食全过程，且灰狼种群在搜索过程包围目标，在捕食过程中将目标包围在中心位置；迭代搜索过程中，社会阶级高的α灰狼、β灰狼和δ灰狼的位置一直是种群中第一、二和第三接近目标，且迭代过程中种群中各灰狼的位置由α灰狼、β灰狼和δ灰狼的变权重函数组合进行描述，其中α灰狼位置的权重w1由1逐渐减小至1/3，β和δ灰狼权重w2、w3由0逐渐增加至1/3，且使用满足w1+w2+w3＝1和w1≥w2≥w3。优点:显著加快了搜索进程，能够更快地完成优化计算。

【技术实现步骤摘要】

本专利技术设及一种巧架结构优化方法，具体设及一种变权重的灰狼算法的优化方 法。
技术介绍
巧架结构是一种常见的建筑结构，常用于大跨度的厂房、展览馆、体育馆和桥梁等 公共建筑中，也是房屋房顶盖最常见的建筑方式。由于巧架结构通常由大量的钢杆轴接而 成，杆结构复杂，工程设计中很难采用理论计算的形式获得最优巧架结构的横截面尺寸，目 前一般采用计算机数值优化计算的方法确定最优截面尺寸，W完成巧架结构的合理设计， 能够最大限度地利用材料的强度、减少建筑质量，节省材料。 由于传统的计算方法如最小二乘法、梯度捜索法并不总是可用的，因此，目前学 术界正在根据生物进化理论积极探索新的优化计算方法，如蚁群算法(AC0)、蛋火虫算法 (FA)、粒子群算法（PS0)、布谷鸟算法（C巧、骗幅算法（BA)等，运些优化计算方法称为仿生 算法，是元启发式捜索算法，已经在巧架结构设计中得到了应用。仿真算法不用考虑问题复 杂度和描述函数的性质，只需要根据生物种群自身的进化特性，如捜索和捕食、授粉、发光、 繁殖等，即可在工程材料库中选择获得最小巧架截面积，且由于生物进化的结果，仿真算法 在最优值迭代捜索过程中还具有可W避免陷入局部极小点的突出优点。 大部分仿真算法采用的是低智能生物的本能，没有考虑社会分工和社会等级划 分。2014年澳大利亚学者根据灰狼种群的观察结果提出了灰狼优化算法(见Seyedali Mirjalili,SeyedMohammadMirjalili,AndrewLewis.GreyWolfOptimizer. AdvancesinElngineeringSoftware, 2014 (0): 46-61，此处称为基本灰狼算法）。该算 法引入了灰狼种群的社会阶级，考虑了具有较高智力的灰狼种群中老、壮、弱、智者的社会 分工和等级划分，将灰狼种群个体区分为a灰狼(头狼)、6灰狼(群落中的智者，处于第二 领导地位，辅助和执行a灰狼的命令)、5灰狼(包括执行警卫、站哨、捕食和抚育的灰狼W 及老灰狼等)^及《灰狼(最低层的灰狼，为种群中的弱者，是种群稳定和谐的润滑剂)。基 准函数优化仿真结果表明，基本灰狼算法比粒子群算法、遗传算法等更迅速地完成最优值 捜索，显示出了生物社会等级在仿生优化中的重要作用。 基本灰狼算法虽然引入了灰狼种群的社会分工和等级划分制度，但在捜索和捕食 过程中，a灰狼、P灰狼和5灰狼处于同等地位，未能充分掲示社会分工和等级划分在优 化计算中的突出作用，优化捜索能力仍有提升的空间，在巧架结构设计应用中仍可改进。
技术实现思路
本专利技术的目的主要是为了解决上述问题，而提出的一种变权重的灰狼算法的优化 方法及应用。 本专利技术包括W下步骤： (1)根据实际问题取定优化计算边界条件； (2) 设定灰狼种群参数和控制参数初始值； (3) 初始化灰狼种群中各灰狼的位置和适应值，并将最接近目标值的灰狼取定为a灰 狼、次之为P灰狼，第S位对应的灰狼为5灰狼，其余为《狼，对于极值优化问题，则适应 值中的极大值或极小值对应的灰狼为a灰狼，次之为P灰狼，第=位对应的灰狼为5灰 狼，其余为《狼； (4) 判定优化计算终止条件，若不满足终止条件，则继续执行步（5)，满足终止条件转入 a灰狼的位置或适应值即为满足终止条件的最优解； (5) 更新各灰狼位置和适应值，按a灰狼最接近优化目标（即适应值和目标值偏差最 小)，P灰狼次之，5灰狼第S位接近目标的原则更新灰狼种群；对于极值优化问题，则适 应值中的极大值或极小值对应的灰狼为a灰狼，次之为P灰狼，第=位对应的灰狼为5 灰狼。 (6)转至步（4)重新判定终止条件； (7)a灰狼的位置或适应值即为满足终止条件的最优解。 每一个迭代计算步（5)中，均遵循W下原则： 设定1:迭代计算步中总是遵循灰狼种群社会阶级顺序，即总是由a灰狼领导捜索和 捕食过程，a灰狼是总是最接近捕食目标的或为极值优化问题中的极大/小适应值对应的 灰狼，P灰狼次之，5灰狼处于第=位。所有的灰狼在捜索过程中总是按a、P和5的 社会阶级顺序将更好的位置让位于上一等级(若当前捜索或捕食过程中a灰狼仍然最接 近目标或为极值优化问题中的极大/小值，则a灰狼不改变)。设定2:在捜索过程中，a灰狼、P灰狼和5灰狼总是保持着包围目标的方式；在 捕食过程中，a灰狼、P灰狼和5灰狼将目标包围在中屯、位置。 每一个迭代计算步（5)或设定2实现包围目标的过程之中，各个灰狼更新位置的 控制方程为：在各个迭代计算过程中，总是满足Wi+W2+W3=l和且控制参数0和4 满足：式（5)中i巧迭代步数。 所述的一种变权重的灰狼算法优化方法在巧架结构工程设计上应用： 对于一个巧架结构，设个钢杆，个设计参数，优化设计的目标是在给定的工程标准 截面尺寸I=[Il，12,…，库中选择满足强度、稳定性和许可位移条件下的最优尺寸， 对应钢杆截面积A= [Ai，A2,…，AJ，使巧架结构质量即目标函数：取最小值，设计给出最节省材料的巧架结构；式（51)中W为结构质量，片"、4和4分 别为钢材密度、钢杆长度和横截面积，单位均为国际单位制； 采用本专利技术进行最优值迭代求解时，第一步是根据钢杆所需数量、变量维度等信息，选 择灰狼种群数量，并在满足约束条件的基础上，在工程截面库中随机选择和初始化各杆的 截面参数，该参数作为位置函数描述种群中的各个灰狼，即某个灰狼位置描述参数X是某 次巧架结构截面尺寸的组合I; 第二步，根据式（51)计算各灰狼初始适应值，分别选择最小值、次小值和第=小值对应 的灰狼作为a灰狼、P灰狼和5灰狼，其余灰狼视为0灰狼； 第=步，迭代捜索 首先根据初始位置的灰狼对应的适应值，判定是否满足迭代终止条件(一般为最大迭 代次数，初次状态一般均不满足）； 然后根据当前a灰狼、P灰狼和5灰狼的位置信息，根据W下控制方程更新各个灰 狼位置：其中，灰狼位置更新过程中，a灰狼、P灰狼和5灰狼位置所占的权重使用满足Wi+W2+W3 = 1且它们的权重随迭代次数的增加发生变化，如图1所示； 在灰狼更新位置控制函数中，参数A和C是与随机数ri、。相关的参数，满足：控制参数a决定着迭代过程中任一灰狼逼近或远离a灰狼、P灰狼和5灰狼的概率； 理论上，当|A|〉1时，灰狼远离a灰狼、P灰狼和5灰狼，探索未知区域，开展问题空间全 局捜索；当|A|<1时，灰狼逼近a灰狼、P灰狼和5灰狼，向目标靠近，执行局部捜索；控 制参数a决定于：山） 其中1. 6或1. 7,为控制参数阔值； 最后，根据各灰狼新的位置重新计算适应值，并将其中最小值对应的灰狼作为a灰 狼，次小值作为P灰狼，第=小值作为5灰狼；返回第=步，再次判定迭代终止条件，若不 满足终止条件，则继续迭代捜索，否则终止迭代捜索，并将a灰狼位置和适应值作为最终 优化计算结果。[001引本专利技术优点是： 1、由于在捜索全过程中引入了灰狼种群的社会等级，改进方法在优化过程中更加突出 了群落中高社会阶级的指导作用，避免了基本算法(包括其它常见仿生算法）均衡考虑所有 个体或只考虑最优个体的影响，使改进算法更具有普适性，适用范围更广。 2、由于采用变权重因子控制社会阶级高的灰狼位置在种群位置更新中的作用，在 初始阶段突出了a灰狼本文档来自技高网...

【技术保护点】
一种变权重的灰狼算法优化方法，其特征在于它包括以下步骤：（1）根据实际问题取定优化计算边界条件；（2）设定灰狼种群参数和控制参数初始值；（3）初始化灰狼种群中各灰狼的位置和适应值，并将最接近目标值的灰狼取定为α灰狼、次之为β灰狼，第三位对应的灰狼为δ灰狼，其余为ω狼，对于极值优化问题，则适应值中的极大值或极小值对应的灰狼为α灰狼，次之为β灰狼，第三位对应的灰狼为δ灰狼，其余为ω狼；（4）判定优化计算终止条件，若不满足终止条件，则继续执行步（5），满足终止条件转入α灰狼的位置或适应值即为满足终止条件的最优解；（5）更新各灰狼位置和适应值，按α灰狼最接近优化目标（即适应值和目标值偏差最小），β灰狼次之，δ灰狼第三位接近目标的原则更新灰狼种群；对于极值优化问题，则适应值中的极大值或极小值对应的灰狼为α灰狼，次之为β灰狼，第三位对应的灰狼为δ灰狼；（6）转至步（4）重新判定终止条件；（7）α灰狼的位置或适应值即为满足终止条件的最优解。

【技术特征摘要】

【专利技术属性】
技术研发人员：赵娟，高正明，
申请(专利权)人：荆楚理工学院，
类型：发明
国别省市：湖北;42