[发明专利]一种基于混合差分人工蜂群算法的焊接梁设计方法

说明书

本发明公开了一种基于混合差分人工蜂群算法的焊接梁设计方法，包含以下过程：通过融合三角搜索策略和混合差分人工蜂群算法(EABC‑BB)产生服从高斯分布的候选解，在不降低算法开采能力的同时避免算法陷入局部最优解，有利于抑制算法早熟收敛；在EABC‑BB算法中，为了增强算法适应解决不同问题的能力，根据前一代的成功搜索经验动态地调整交叉概率；采用惩罚函数方法将焊接梁设计问题转化为无约束优化问题，最后采用EABC‑BB算法求解焊接梁设计问题所转化的无约束优化问题。本发明采用开采能力和适应能力都强且不容易早熟收敛的EABC‑BB算法，精确求解焊接梁设计问题最优解，能提高工程质量和最小化总的工程制造代价。

技术领域

本发明涉及工程优化问题领域，特别涉及一种基于混合差分人工蜂群算法的焊接梁设计方法。

背景技术

焊接梁设计优化问题普遍存在大量的局部最优点，如何在保证全局搜索能力的同时，加强有潜力区域的开采，成为算法设计的重要问题。

人工蜂群算法由于参数较少、对比其他进化算法性能较高而得到大量关注，目前已经被广泛应用于分类问题、模糊系统、非线性系统、神经网络训练、网络攻击、并行聚类、特征选择等问题，并都取得了较好的效果。尽管人工蜂群算具有一定的优势，但是也存在一定的弱点，其每次只更新一维，虽然这保证人工蜂群算法不容易早熟收敛，却也导致对于复杂函数优化问题存在收敛速度较慢的缺点。与人工蜂群算法相反，差分算法每次更新多个维度，有助于加快收敛速度，但是也容易导致早熟收敛。相关学者提出一种混合差分人工蜂群算法(Gaussian bare-bones artificial bee colony algorithm,ABC-BB)，充分利用这两种算法的优点而避免它们的缺点，实验结果表明该算法具有较好的性能。但是，在ABC-BB中，所有个体都向gbest学习，这种单一的学习模式仍然容易导致算法陷入局部最优解.而且，在ABC-BB采用的交叉概率CR采用固定的参数，难以较好的适应各种复杂的优化问题.为了解决上述问题，本文提出一种基于三角搜索策略的骨干人工蜂群方法.同时，为了增强算法适应各种不同特性优化问题的能力，利用上一代的成功搜索经验动态的调整交叉概率.实验表明，改进算法EABC-BB明显好于ABC-BB及多种最新改进的进化算法，在焊接梁设计问题上达到目前最好水平。

发明内容

本发明的目的是提供一种基于混合差分人工蜂群算法的焊接梁设计方法，通过融合三角搜索策略和混合差分人工蜂群算法(EABC-BB)，产生一个服从高斯分布的候选解，能够避免陷入局部最优解有利于抑制算法早熟收敛，再根据前一代的成功搜索经验动态调整交叉概率。使用惩罚函数法将焊接梁设计问题转换成无约束优化问题，再使用本文的EABC-BB算法求解无约束优化问题，实现开采能力强、不会早熟收敛适应力强、求解焊接梁设计问题效果好的目的。

为了实现以上目的，本发明是通过以下技术方案实现的：

一种基于混合差分人工蜂群算法的焊接梁设计方法，其特点是，包含以下过程：

步骤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优解导致早熟收敛的缺点；

步骤S2、EABC-BB算法在混合差分人工蜂群算法的基础上，根据三角搜索策略产生高斯分布候选解；

步骤S3、在S2的基础上，根据前一代的成功搜索经验动态调整交叉概率CR，增强算法适应解决不同问题的能力；

步骤S4、采用惩罚函数方法将焊接梁设计问题转化为无约束优化问题；

步骤S5、用EABC-BB算法求解焊接梁设计问题所转化的无约束性问题。

所述的混合差分人工蜂群算法是基于人工蜂群算法结合以差分进化算法形成的；