[發明專利]一種模型參數的計算方法、裝置、設備和存儲介質

在審

• 申請號: 202110822225.5
• 申請日: 2021-07-21
• 公開（公告）號: CN113609761A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 劉慶鑫;劉持標;賈鶴鳴;鄭榮;王爽
• 申請（專利權）人: 三明學院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/10;G06N3/00;G06F111/10
• 代理公司: 廈門智慧呈睿知識產權代理事務所(普通合伙) 35222
• 代理人: 楊唯

1.一種模型參數的計算方法，其特征在于，包含：

獲取待求解的目標對象的計算模型；

通過改進的阿奎拉鷹模型對所述計算模型進行求解，以獲得所述目標對象的設計參數；其中，所述改進的阿奎拉鷹優化模型通過logistic混沌映射計算初始種群，且在開發階段采用精英狩獵策略進行局部開發，以避免過早收斂。

2.根據權利要求1所述的模型參數的計算方法，其特征在于，通過改進的阿奎拉鷹模型對所述計算模型進行求解，以獲得所述目標對象的設計參數，具體包括：

根據所述計算模型，隨機生成初始粒子種群，并初始化迭代次數和最大迭代次數；

根據所述初始粒子種群，通過logistic混沌映射模型，計算得到多樣化粒子種群；

計算所述多樣化粒子種群中每個粒子的適應度，并判斷迭代次數是否不大于預設迭代次數；

當迭代次數不大于預設迭代次數時，采用大范圍搜索攻擊策略更新粒子種群的位置，并將迭代次數加一，和判斷是否達到最大迭代次數；

當迭代次數大于預設迭代次數時，采用局部攻擊策略更新粒子種群的位置，以及通過精英狩獵策略計算得到精英位置，然后通過貪婪策略獲取最佳位置，并將迭代次數加一，和判斷是否達到最大迭代次數；

當判斷到未達到最大迭代次數時，計算更新后粒子種群中每個粒子的適應度，并判斷迭代次數是否不大于預設迭代次數；否則，輸出最大迭代次數時的最佳位置及其對應的適應度，以獲得所述設計參數。

3.根據權利要求2所述的壓力容器的設計方法，其特征在于，根據所述計算模型，隨機生成初始粒子種群，具體包括：

根據所述計算模型，獲取搜索空間的上界和下界；

根據隨機函數，在搜索空間內生成所述初始粒子種群；其中，初始種群生成模型為：X＝rand×(UB-LB)+LB，X為粒子位置，rand為均勻分布在0到1之間的隨機數，UB為搜索空間的上邊界，LB為搜索空間的下邊界；

logistic混沌映射模型為：X(t+1)＝a×X(t)×(1-X(t))，其中，X(t+1)為更新后的粒子位置，a＝4，X(t)為當前的粒子位置；

粒子的適應度的適應度計算模型為：

其中，F(x)是懲罰函數值，f(x)是原函數值，M是懲罰因子,g_i(x)為約束條件，n為粒子數量。

4.根據權利要求2所述的壓力容器的設計方法，其特征在于，采用大范圍搜索攻擊策略更新粒子種群的位置，具體包括：

獲取第一隨機數，并判斷隨機數是否小于第一預設值；

當判斷到所述第一隨機數小于第一預設值時，采用高空飛行搜索并垂直俯身攻擊的策略更新粒子種群的位置；其中，高空飛行搜索并垂直俯身攻擊的位置更新模型為：

X₁(t+1)表示粒子的下一個更新位置，X_best(t)代表目前已取得的最佳位置，X_M(t)是當前所有粒子的平均位置，t為當前迭代次數，T為最大迭代次數，N為種群數量，r₁為0到1之間的隨機數，X_i(t)為當前第i個粒子位置；

當判斷到所述第一隨機數不小于第一預設值時，采用環繞獵物飛行并短距離滑翔攻擊的策略更新粒子種群的位置；其中，環繞獵物飛行并短距離滑翔攻擊的位置更新模型為：

X₂(t+1)＝X_best(t)×LF(D)+X_R(t)+(y-x)×r₂

X₂(t+1)表示粒子的下一個更新位置，X_best(t)代表目前已取得的最佳位置，LF(D)代表萊維飛行函數，D代表種群維度，X_R(t)代表任意粒子的位置，r₂為均勻分布在0到1之間的隨機數，s＝0.01，u與v為0到1之間的隨機數，β＝1.5。