[發明專利]一種基于灰狼優化器的雙層規劃求解方法和裝置

有效

• 申請號: 202110558448.5
• 申請日: 2021-05-21
• 公開（公告）號: CN113221284B
• 公開（公告）日: 2022-09-23
• 發明（設計）人: 劉玉生;王冠
• 申請（專利權）人: 浙江大學
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06N3/00;G06F111/04;G06F111/06;G06F111/10;G06F119/14
• 代理公司: 杭州天勤知識產權代理有限公司 33224
• 代理人: 曹兆霞

本發明公開了一種基于灰狼優化器的雙層規劃求解方法和裝置，包括：將結構設計問題初始化為灰狼優化器求解的雙層規劃問題，為解決該雙層規劃問題，以重定義的支配關系來篩選精英粒子，同時結合改更新位置方式的灰狼優化器對雙層規劃問題進行高效求解，打破原有嵌套結構，提高優化效率，同時保證收斂正確性，進而快速得到質量滿足需求的設計結構。

技術領域

本發明屬于優化技術領域，具體涉及一種基于灰狼優化器的雙層規劃求解方法和裝置。

背景技術

在結構設計優化問題中，通常包括兩個級別的優化任務，稱為具有平衡約束的數學規劃問題(MPEC)。這些問題的高層目標可能涉及成本最小化或重量最小化，但要受位移，應力和接觸力的影響。高層的決策變量通常是結構的形狀，材料的選擇，材料的數量等。但是，對于任何給定的高層變量集，最優的狀態變量(位移，應力和接觸力)需要通過解決潛在的能量最小化問題，該問題表現為上層問題的下層最小化任務。然而，相關研究已經證明這一類問題是NP難的，所以這一類問題的高效解法仍然是個巨大的挑戰。

盡管已經涌現了大量的雙層規劃方法，但是現有的方法都是基于嵌套形式的優化策略進行求解，其中對每個給定的上層決策變量執行下層的優化以評估其性能，如公開號為CN110428084A的專利申請公開的一種基于自適應雙層優化的風電功率非參數區間預測方法，再如公開號為CN104598754A的專利申請公開的一種多目標協同問題的漸進式組合優化方法。這種結構需要大量的下層目標優化計算，因此計算效率仍然有限。

灰狼優化算法(Grey Wolf Optimizer，GWO)是受到了灰狼捕食獵物活動的啟發而開發的一種優化搜索方法，它具有較強的收斂性能、參數少、易實現等特點。近年來被應用到了車間調度、參數優化、圖像分類等領域中。

發明內容

鑒于上述，本發明的目的是提供一種基于灰狼優化器的雙層規劃求解方法和裝置，以提高優化效率，保證收斂正確性，進而快速得到最優的設計結構。

第一方面，實施例提供的一種于灰狼優化器的雙層規劃求解方法，包括以下步驟：

將結構設計問題初始化為灰狼優化器求解的雙層規劃問題，包括，將結構屬性作為領導層的上層決策變量，將結構屬性作為跟隨層的下層決策變量，由上層決策變量和下層決策變量組成的決策變量對作為搜索粒子；定義領導層和跟隨層的目標函數和限制條件；

依據重定義的支配關系通過比較搜索粒子間的支配關系篩選出精英粒子存于檔案庫中，所述重定義的支配關系以保證雙層規劃問題的最優解為帕累托最優為目標進行定義；

根據跟隨層的目標函數和限制條件對檔案庫的精英粒子進行優化以確定最優下層決策變量后，根據最優下層決策變量和領導層的目標函數和限制條件篩選領導粒子，并保存到檔案庫；

根據檔案庫中的領導粒子對所有搜索粒子進行位置更新后，根據重定義的支配關系從更新位置的搜索粒子中篩選新精英粒子并更新到檔案庫，并隨每次迭代降低檔案庫容量；

在未達到優化終止條件時，重新篩選新領導粒子并依據新領導粒子進行位置更新，同時更新檔案庫、降低檔案庫容量；

在達到優化終止條件時，檔案庫中剩余的最優精英粒子為最終的設計結構參數。

第二方面，實施例提供的基于灰狼優化器的雙層規劃求解裝置，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上執行的計算機程序，所述處理器執行所述計算機程序時實現第一方面所述的基于灰狼優化器的雙層規劃求解方法。

上述技術方案與現有技術相比，具有的有益效果至少包括：

將結構設計問題巧妙地初始化為灰狼優化器求解的雙層規劃問題，為解決該雙層規劃問題，以重定義的支配關系來篩選精英粒子，同時結合改更新位置方式的灰狼優化器對雙層規劃問題進行高效求解，打破原有嵌套結構，提高優化效率，同時保證收斂正確性，進而快速得到質量滿足需求的設計結構。