System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及一种基于改进蜣螂优化算法的合金材料性能优化方法,属于群体智能优化。
技术介绍
1、合金材料的性能好坏由其机械性能、耐腐蚀性、耐热性、电磁性能等多个方面共同决定。例如,在航空航天领域,合金材料需要具备高的强度、韧性和耐高温性能;在电子工业中,则可能更注重其电导率和热稳定性。这些性能指标往往不能同时达到最优,因此需要进行多目标优化。
2、现有的多目标优化方法包括加权法、约束法、多目标进化算法等。这些方法旨在找到一个解集,即帕累托前沿,其中的每个解都是在不同性能指标之间的最优权衡。尽管现有的多目标优化方法在一定程度上能够提升合金材料的性能,但仍然存在一些不足。例如,这些方法可能需要大量的计算资源和时间,尤其是对于复杂的合金系统和大规模的数据集。此外,某些方法可能对初始值敏感,容易陷入局部最优解,或者难以处理具有非线性、非凸特性的优化问题。
3、本专利技术使用改进的蜣螂优化算法和多层感知机模型融合,通过模拟蜣螂的觅食行为来搜索解空间,从而找到多个性能指标之间的最佳平衡点。改进的蜣螂优化算法全局的收敛能力更强,且搜索效率和搜索精度明显提高。
技术实现思路
1、本专利技术的目的是提供一种基于改进蜣螂优化算法的合金材料性能优化方法,能够找到合金的最佳工艺参数组合。
2、本专利技术的技术方案是:
3、一种基于改进型蜣螂优化算法的合金材料性能多目标优化方法,包括如下步骤:
4、step1建立目标函数和约束条件,使用基于反向学习
5、step2计算每只蜣螂的适应度值,评价它们当前位置对应解的质量;
6、step3根据适应度,将蜣螂分为四类并分别应用对应的更新策略,以模拟自然行为提升优化能力;
7、step4对于超出搜索空间边界的个体,应用边界处理策略,确保所有蜣螂的位置都在搜索空间内;对个体进行柯西变异扰动,基于贪婪策略更新最优位置;
8、step5重复步骤2至步骤4,直至满足终止条件,输出最优位置,即得到最优解。
9、所述step1中建立目标函数和约束条件具体为:
10、f(w)=ω1*σ(x)+ω2*ε(x) (1)
11、式中,x是影响合金性能的参数向量,ω1、ω2是权重系数,用于平衡两个指标的重要性,σ、ε是合金的两个性能指标分别为强度和延展性;
12、
13、式中,t、p、t分别表述温度,压力和时间的参数值。
14、所述step1中反向学习策略建模具体为:
15、x'i=lb+ub-xi (3)
16、其中lb和ub表示搜索范围的上、下边界,xi∈[lb,ub],i∈[1,dim],dim表示维度值。
17、所述step3具体为:根据适应度将蜣螂进行分类,分成滚球蜣螂、产卵蜣螂、觅食蜣螂、偷窃蜣螂,使用式(5)来更新滚球蜣螂位置,根据式(6)更新产卵蜣螂位置,根据式(7)利用可变螺旋策略更新觅食蜣螂位置,根据式(8)更新偷窃蜣螂位置;
18、xi(t+1)=xi(t)+tan(θ)|xi(t)-xi(t-1)| (5)
19、其中θ∈[0,π],当θ=0、π/2和π时不更新位置;
20、
21、其中x*表示当前局部最佳位置,lb*和ub*分别表示产卵区域的下界和上界,tmax表示最大迭代次数,lb和ub分别表示产卵区域的下界和上界,分别是优化问题的边界;
22、
23、其中z由e的指数函数决定,根据迭代次数变化而变化,l为[-1,1]之间均匀分布的随机数,k为变化系数;
24、xi(t+1)=xb+s×g×(|xi(t)-x*|+|xi(t)-xb|) (8)
25、其中xi(t)表示第i个小偷蜣螂在第t次迭代时的位置信息,g是大小为1×d的服从正态分布的随机向量,s表示常数值。
26、所述step4具体为:
27、step4.1:遍历每只虚拟蜣螂的当前位置,判断其是否超出了预定义的搜索空间边界;
28、step4.2:对于超出边界的个体,实施边界处理策略,包括反射、吸收或随机重置位置,确保所有蜣螂的位置都位于搜索空间内;
29、step4.3:判断是否需要对当前种群进行柯西变异扰动;
30、step4.4:对满足条件的个体进行柯西变异,即在个体的位置向量上添加由柯西分布生成的随机扰动,以增加种群的多样性并可能发现新的搜索区域。
31、step4中柯西变异扰动具体为:
32、
33、其中运算符表示向量相乘,cauchy(0,1)为标准柯西分布,xbest(t)表示原最优个体,x'best(t)表示柯西变异扰动后生成的新的最优个体。
34、step4中贪婪策略具体为:
35、
36、其中,f(xbest(t))表示xbest(t)的位置适应度值,f(x'best(t))表示x'best(t)的位置适应度值。
37、本专利技术的有益效果为:
38、本专利技术首先建立目标函数和条件约束,使用反向学习来初始化种群,增强种群多样性,降低计算成本并提升全局收敛能力;然后加入可变螺旋搜索策略,针对不同蜣螂对应不同更新策略,提高全局最优搜索性能和优化精度,同时平衡全局和局部搜索;最后将柯西变异扰动与贪婪策略融合到蜣螂优化算法中,帮助算法逃离局部最优解,通过对比新旧位置适应度来决策是否更新当前位置。
39、相比较其他常见的智能优化算法,改进后的蜣螂优化算法可避免陷入局部最优等问题,收敛速度较快,搜索效率与搜索精度得到提高。
本文档来自技高网...【技术保护点】
1.一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,包括:
2.根据权利要求1所述的一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,所述step1中建立目标函数和约束条件具体为:
3.根据权利要求1所述的一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,所述Step1中反向学习策略建模具体为:
4.根据权利要求1所述的一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,所述Step3具体为:根据适应度将蜣螂进行分类,分成滚球蜣螂、产卵蜣螂、觅食蜣螂、偷窃蜣螂,使用式(5)来更新滚球蜣螂位置,根据式(6)更新产卵蜣螂位置,根据式(7)利用可变螺旋策略更新觅食蜣螂位置,根据式(8)更新偷窃蜣螂位置;
5.根据权利要求1所述的一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,所述Step4具体为:
6.根据权利要求1所述的一种基于改进型蜣螂优化算法的合金材料性能优化方法,其特征在于,Step4中柯西变异扰动具体为:
7.根据权利要求1所述的一种基于改进蜣螂优化算法
...【技术特征摘要】
1.一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,包括:
2.根据权利要求1所述的一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,所述step1中建立目标函数和约束条件具体为:
3.根据权利要求1所述的一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,所述step1中反向学习策略建模具体为:
4.根据权利要求1所述的一种基于改进蜣螂优化算法的合金材料性能优化方法,其特征在于,所述step3具体为:根据适应度将蜣螂进行分类,分成滚球蜣螂、产卵蜣螂、觅食蜣螂...
【专利技术属性】
技术研发人员:刘英莉,熊正,胡丹,杨玲,沈韬,袁海滨,徐万立,雷胜,唐都作,刘庆东,钟华,
申请(专利权)人:昆明理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。