[发明专利]基于改进人工蜂群算法的扬声器体积优化方法

说明书

本发明公开了一种基于改进人工蜂群算法的扬声器体积优化方法，首先建立扬声器体积优化模型并初始化人工蜂群，雇佣蜂在当前适应度值最高的h个食物源附近采用多维度更新和贪婪更新策略更新食物源位置，观察蜂利用轮盘赌算法选择食物源，观察蜂在当前适应度值最高的h个食物源附近采用多维度更新和贪婪更新策略来更新食物源位置，当有食物源连续几代没有更新则雇佣蜂变为侦查蜂并随机寻找新的食物源，重复步骤直至满足终止条件，输出最优解；本发明将基于改进人工蜂群算法运用于扬声器的设计中，在取得良好的设计效果的同时，具有收敛速度快、搜索精度高的优点，设计扬声器时能在短时间内最大程度减少铁的使用量和扬声器的体积。

技术领域

本发明属于扬声器技术领域，具体涉及一种基于改进人工蜂群算法的扬声器体积优化方法。

背景技术

扬声器是一种十分常用的电声换能器件，在电子元器件中是一个最薄弱的器件，而对于音响效果而言，又是一个最重要的器件。扬声器的种类繁多且价格相差很大。音频电能通过电磁、压电或静电效应，使其纸盆或膜片振动周围空气造成音响。现如今，人们无论对手机还是其他电子设备的要求都越来越高，故应在提升性能的同时满足用户便捷的需求，设计一种高效的优化算法来优化扬声器等电子元件具有重要意义。

电磁装置的优化设计问题通常具有多模态、多维度、不可微分和受约束等特点，传统的优化方法并不能很好地解决此类问题。近年来，启发式算法已被广泛应用于解决逆向电磁问题，启发式算法主要包括遗传算法、蚁群算法、粒子群算法和人工蜂群算法等，上述群体智能算法高效且易于使用。

人工蜂群算法是一种新的群体智能优化算法，由于具有全局收敛性强、鲁棒性好等优点，人工蜂群算法被广泛应用于通信领域、信号与图像处理、控制领域和电力系统领域等。与其他智能算法不同的是，人工蜂群算法定义了食物源以及三种蜂：雇佣蜂、观察蜂和侦查蜂，食物源代表一个解向量，其好坏表征着对应的适应度值高低，而三种蜂的作用则是使局部寻优的次数增多，范围更广，从而使该算法具有很强的全局搜索能力。但与此同时人工蜂群算法也存在着收敛速度过慢，搜索精度不高的缺点。

发明内容

本发明的目的在于快速优化扬声器体积，提出一种基于改进人工蜂群算法的扬声器体积优化方法，解决由于算法收敛速度慢导致搜索精度不高无法满足体积优化需求的技术问题。

本发明采用如下技术方案，通过对传统的雇佣蜂和观察蜂的搜索策略进行改进，即雇佣蜂和观察蜂采用在当前最高的h个食物源附近多维度更新的策略，达到平衡全局搜索和局部寻优能力的效果。采用本方法对扬声器设计模型进行求解，在满足相关约束的条件下，获得优化后的扬声器各个边的长度。

一种基于改进人工蜂群算法的扬声器体积优化方法，具体步骤如下：

(1)以扬声器体积为目标函数，结合约束条件建立扬声器体积优化模型，并设置人工蜂群算法的参数；

(2)初始化第一代人工蜂群，计算所有食物源的目标函数值和适应度值；

(3)每个雇佣蜂对应一个食物源，雇佣蜂在当前适应度值最高的h个食物源附近依次采用多维度更新和贪婪更新策略更新食物源位置，h为设定值；

(4)雇佣蜂分享食物源信息给观察蜂，食物源信息包括位置、函数值和适应度值，观察蜂根据全体雇佣蜂提供的食物源的适应度值用轮盘赌算法选择食物源，食物源适应度值越大，被选择的概率越大；

(5)观察蜂在当前适应度值最高的h个食物源附近采用多维度更新和贪婪更新策略来更新食物源位置，h为设定值；

(6)当有食物源连续limit代没有更新则将雇佣蜂变为侦查蜂并随机寻找新的食物源；

(7)重复执行步骤(3)至步骤(6)直至当前迭代次数大于最大迭代次数或计算函数值的次数达到最大评估次数；

(8)输出最优解。