[发明专利]基于逻辑混沌映射及自适应步长果蝇悬臂梁变量测定方法

说明书

本发明属于结构工程优化设计技术领域，公开了一种基于逻辑混沌映射及自适应步长果蝇悬臂梁变量测定方法，根据悬臂梁优化问题的目标函数和约束条件确定适应度函数；利用逻辑混沌映射思想，对果蝇的初始位置以及寻优变量通过混沌映射系统映射到混沌空间的区域；对混沌系统中的变量进行迭代寻优提高解的稳定性，弥补了果蝇算法稳定性差的缺点；利用自适应步长代替传统的固定步长，避免固定步长易陷入局部寻优；直到当前迭代步数等于最大迭代步数时，终止迭代，输出全局最优可行解以及对应的最优的寻优变量的值。本发明通过引入逻辑混沌映射思想和自适应步长使得悬臂梁设计优化问题的优化设计结果更好，寻优过程更稳定。

技术领域

本发明属于结构工程优化设计技术领域，尤其涉及一种基于逻辑混沌映射及自适应步长果蝇悬臂梁变量测定方法。

背景技术

目前，业内常用的现有技术是这样的：在机械工程结构优化设计中，结构工程设计优化问题是一种获取目标函数最大或最小值的参数优化问题，通常会涉及到复杂的线性的或非线性的约束条件。大多数结构工程设计优化问题约束条件都是高度非线性的，其中约束条件中往往包含复杂的离散的或者连续的设计变量，传统的演算方法和数值方法对解决这类问题是相对乏力的。而智能优化算法的提出，为解决这类非线性约束优化问题提供了一种新的思路。其中，果蝇优化算法以其高效的寻优能力，稳定的性能，逐渐受到国内外研究者的关注。为了解决有约束的工程优化问题，一些启发式人工智能全局优化算法被提出。目前，针对约束处理的智能算法主要有遗传算法，蚁群算法，粒子群算法等。遗传算法是模拟生物在自然环境中优胜劣汰、适者生存的遗传和进化过程而形成的一种具有自适应能力的，全局性的概率搜索算法。蚁群算法是对蚂蚁群落食物采集过程的模拟，用来求解复杂的组合优化问题。粒子群算法是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法等。这些算法虽然能够很好的解决这些问题，但是对于高度非线性的约束条件的处理仍然存在一些瑕疵。在智能算法领域，果蝇优化算法具有容易调节，计算量小，寻优精度较高的优点，在解决实际问题中适用性广。果蝇优化算法通过果蝇的觅食行为推演出的一种演化式的群体智能优化算法。通过果蝇的觅食行为得到的一种全局优化算法，与传统智能优化算法相比，果蝇优化算法具有简单、收敛速度快且收敛精度高等优点。但传统的果蝇优化算法仍存在一些问题，在算法的整个优化过程中收敛精度会因为初始值和寻优步长的选取呈现不稳定状态。

综上所述，现有技术存在的问题是：

(1)针对约束处理的智能算法对于高度非线性的约束条件的处理仍然存在一些瑕疵，为了解决高度非线性的约束条件，现有的智能算法采用一种高效的实时编码的进化方法以及一种新的自由参数启发式方法处理约束条件，虽然这些方法能够很好的处理非线性约束条件，但是会增加算法的复杂性并减慢了算法的收敛速度。为了弥补这些缺陷，本发明在对寻优变量进行混沌映射后采用罚函数方法处理非线性约束条件，从而有效的提高算法的收敛速度。

(2)传统的果蝇优化算法的整个优化过程中收敛精度会因为初始值和寻优步长的选取呈现不稳定状态。

解决上述技术问题的难度和意义：

初始值的选取不恰当会增加果蝇的初始位置的随机性，从而导致在迭代寻优阶段会花费更多的时间，因此引入混沌映射思想，对初始位置变量进行混沌映射，从而削弱由于初始位置不合理导致的问题。固定的寻优步长如果选取过大会跳出全局最优解，过小会导致寻优时间的增加，因此本发明提出自适应步长，根据每次迭代的结果动态的改变步长，从而避免了固定部长选取不恰当带来的问题。

发明内容

针对现有技术存在的问题，本发明提供了一种基于逻辑混沌映射及自适应步长果蝇悬臂梁变量测定方法。