基于自调节双链量子遗传算法的焊接悬臂梁优化设计方法

摘要

本发明公开了一种基于自调节双链量子遗传算法的焊接悬臂梁优化设计方法。根据焊接悬臂梁优化问题的目标函数和约束条件确定适应度函数，并初始化双链量子种群；利用双链量子个体表示优化问题的解，根据适应度函数获得个体适应度，并存储全局最优和最差可行解与非可行解；利用量子旋转门更新双链个体，执行进化调整；利用量子非门进行变异；然后计算个体适应度，更新全局最优和最差的可行解与非可行解；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作为优化变量的值。本发明简化了计算，提高了优化效率和搜索效率，获得的焊接悬臂梁优化设计结果好，速度快。

主权项

1.一种基于自调节双链量子遗传算法的焊接悬臂梁优化设计方法，其特征在于，包括以下步骤：步骤1：根据焊接悬臂梁设计问题的目标函数和约束条件，确定焊接悬臂梁设计的适应度函数，并初始化双链量子种群；所述的焊接悬臂梁设计的适应度函数fitness表示为：$\mathrm{fitness}=\left\{\begin{array}{cc}{f}_{\cos t}=1.10471x_1^2{x}_2+0.04811x_3{x}_4(14.0+x_2),& \overrightarrow{x}\in \Omega \\ G\left(\overrightarrow{x}\right)=\underset{j=1}{\overset{7}{\Sigma }}\max \{0,g_j\left(\overrightarrow{x}\right)\},& \overrightarrow{x}\notin \Omega \end{array}\right.$其中，Ω为可行解空间，个体四个设计变量：x₁为焊接厚度，x₂为焊接长度，x₃为梁体厚度，x₄为梁体宽度；f_cost为焊接悬臂梁优化设计的目标函数；为约束违反程度，是非可行解的适应度函数，是第j个焊接悬臂梁优化设计的约束条件；初始化双链量子种群包括，设置种群数、初始旋转角、初始变异概率、旋转忍耐度和最大迭代步数，初始化双链量子种群中的双链个体；步骤2：由四个设计变量的上下界确定解空间，将双链个体的每个量子位概率幅从单位空间[-1,1]映射到解空间，将映射得到的值带入适应度函数获得个体适应度，并存储全局最优和最差可行解，以及全局最优和最差非可行解；步骤3：执行进化调整过程：利用量子旋转门更新双链个体，判断更新后的群体是否为步进化群体，如果是步进化群体，执行步骤4；否则继续进行量子门旋转直到群体为步进化群体或者达到旋转忍耐度，然后执行步骤4；在进化后的一代群体中，任何一个个体更新后的适应度比当前全局最优个体好，则该代群体为步进化群体；步骤4：利用量子非门进行变异；步骤5：对新一代双链量子种群中的双链个体，按照步骤2方法计算个体适应度，更新全局最优和最差的可行解与非可行解；步骤6：判断当前迭代步数是否小于最大迭代步数，若是，跳转到步骤3执行，否则，输出全局最优的可行解，结束本方法。