变分布的量子行为粒子群优化算法求解工程约束优化问题

发布时间：2021-11-04 07:54

　　针对工程形状设计领域中带有多个约束条件的非线性设计优化问题,提出了一种自适应的基于高斯分布的量子行为粒子群优化（AG-QPSO）算法。通过自适应地调整高斯分布,AG-QPSO算法能够在搜索的初始阶段有很强的全局搜索能力,随着搜索过程的进行,算法的局部搜索能力逐渐增强,从而满足了算法在搜索过程不同阶段的需要。为了验证算法的有效性,在压力容器和张弦设计问题这两个工程约束优化问题上进行50轮独立实验。实验结果表明,在满足所有约束条件的情况下,AG-QPSO算法在压力容器设计问题上取得了5 890. 931 5的平均解和5885. 3328的最优解,在张弦设计问题上取得了0. 010 96的平均解和0. 010 96的最优解,远优于标准粒子群优化（PSO）算法、具有量子行为的粒子群优化（QPSO）算法和高斯量子行为粒子群（G-QPSO）算法等现有的算法的结果,同时AG-QPSO算法取得的结果的方差较小,说明该算法具有很好的鲁棒性。 

【文章来源】：计算机应用. 2020,40(05)北大核心CSCD

【文章页数】：7 页

【部分图文】：

全局最优附近区域的种群分布

基于罚函数的AG-QPSO算法流程

在这个问题中，圆柱形容器的两端安装着半球形的容器盖，由两个纵向焊缝组合形成一个圆柱体，如图6所示。该问题的目标值由4个决策变量决定，分别是：压力容器的厚度Ts，头部厚度Th，容器内半径R和容器去掉头部的长度L。因此，压力容器设计问题的优化问题模型Y=[Ts,Th,R,L]=[X1,X2,X3,X4]可以描述为：

【参考文献】：
期刊论文
[1]一种基于种群多样性的粒子群优化算法设计及应用[J]. 韩红桂,卢薇,乔俊飞.  信息与控制. 2017(06)
[2]多样性反馈与控制的粒子群优化算法[J]. 饶兴华,王文格,胡旭.  计算机应用. 2014(02)



本文编号：3475321