[發明專利]一種基于混合差分人工蜂群算法的焊接梁設計方法

在審

• 申請號: 201810558311.8
• 申請日: 2018-06-01
• 公開（公告）號: CN108829957A
• 公開（公告）日: 2018-11-16
• 發明（設計）人: 杜振鑫;韓德志;余學山
• 申請（專利權）人: 韓山師范學院;上海海事大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/00
• 代理公司: 上海元好知識產權代理有限公司 31323
• 代理人: 徐雯瓊

本發明公開了一種基于混合差分人工蜂群算法的焊接梁設計方法，包含以下過程：通過融合三角搜索策略和混合差分人工蜂群算法(EABC?BB)產生服從高斯分布的候選解，在不降低算法開采能力的同時避免算法陷入局部最優解，有利于抑制算法早熟收斂；在EABC?BB算法中，為了增強算法適應解決不同問題的能力，根據前一代的成功搜索經驗動態地調整交叉概率；采用懲罰函數方法將焊接梁設計問題轉化為無約束優化問題，最后采用EABC?BB算法求解焊接梁設計問題所轉化的無約束優化問題。本發明采用開采能力和適應能力都強且不容易早熟收斂的EABC?BB算法，精確求解焊接梁設計問題最優解，能提高工程質量和最小化總的工程制造代價。

技術領域

本發明涉及工程優化問題領域，特別涉及一種基于混合差分人工蜂群算法的焊接梁設計方法。

背景技術

焊接梁設計優化問題普遍存在大量的局部最優點，如何在保證全局搜索能力的同時，加強有潛力區域的開采，成為算法設計的重要問題。

人工蜂群算法由于參數較少、對比其他進化算法性能較高而得到大量關注，目前已經被廣泛應用于分類問題、模糊系統、非線性系統、神經網絡訓練、網絡攻擊、并行聚類、特征選擇等問題，并都取得了較好的效果。盡管人工蜂群算具有一定的優勢，但是也存在一定的弱點，其每次只更新一維，雖然這保證人工蜂群算法不容易早熟收斂，卻也導致對于復雜函數優化問題存在收斂速度較慢的缺點。與人工蜂群算法相反，差分算法每次更新多個維度，有助于加快收斂速度，但是也容易導致早熟收斂。相關學者提出一種混合差分人工蜂群算法(Gaussian bare-bones artificial bee colony algorithm,ABC-BB)，充分利用這兩種算法的優點而避免它們的缺點，實驗結果表明該算法具有較好的性能。但是，在ABC-BB中，所有個體都向gbest學習，這種單一的學習模式仍然容易導致算法陷入局部最優解.而且，在ABC-BB采用的交叉概率CR采用固定的參數，難以較好的適應各種復雜的優化問題.為了解決上述問題，本文提出一種基于三角搜索策略的骨干人工蜂群方法.同時，為了增強算法適應各種不同特性優化問題的能力，利用上一代的成功搜索經驗動態的調整交叉概率.實驗表明，改進算法EABC-BB明顯好于ABC-BB及多種最新改進的進化算法，在焊接梁設計問題上達到目前最好水平。

發明內容

本發明的目的是提供一種基于混合差分人工蜂群算法的焊接梁設計方法，通過融合三角搜索策略和混合差分人工蜂群算法(EABC-BB)，產生一個服從高斯分布的候選解，能夠避免陷入局部最優解有利于抑制算法早熟收斂，再根據前一代的成功搜索經驗動態調整交叉概率。使用懲罰函數法將焊接梁設計問題轉換成無約束優化問題，再使用本文的EABC-BB算法求解無約束優化問題，實現開采能力強、不會早熟收斂適應力強、求解焊接梁設計問題效果好的目的。

為了實現以上目的，本發明是通過以下技術方案實現的：

一種基于混合差分人工蜂群算法的焊接梁設計方法，其特點是，包含以下過程：

步驟S1、融合混合差分人工蜂群算法和三角搜索策略形成EABC-BB算法，克服其它算法容易陷入局部最優解導致早熟收斂的缺點；

步驟S2、EABC-BB算法在混合差分人工蜂群算法的基礎上，根據三角搜索策略產生高斯分布候選解；

步驟S3、在S2的基礎上，根據前一代的成功搜索經驗動態調整交叉概率CR，增強算法適應解決不同問題的能力；

步驟S4、采用懲罰函數方法將焊接梁設計問題轉化為無約束優化問題；

步驟S5、用EABC-BB算法求解焊接梁設計問題所轉化的無約束性問題。

所述的混合差分人工蜂群算法是基于人工蜂群算法結合以差分進化算法形成的；