帝國競爭算法優(yōu)化設(shè)計論文

　　1、使用ICA進行彈簧參數(shù)優(yōu)化

　　1.1ICA尋優(yōu)的一般過程

　　與其他優(yōu)化算法類似，ICA開始于在搜索空間內(nèi)隨機生成的一定數(shù)目的初始解。每一個初始解都被稱為一個國家，由優(yōu)化問題目標函數(shù)來評價這些國家的優(yōu)劣程度。其中一定數(shù)目的最優(yōu)秀的國家被視為帝國主義國家，其他國家被視為殖民地國家，并且被隨機分配給帝國主義國家,一個帝國主義國家及其下屬的殖民地國家組成一個帝國集團。在分配殖民地國家給帝國主義國家時，每個帝國主義國家分配到的殖民地國家的數(shù)目與它的優(yōu)秀程度成正比。如果某殖民地國家向帝國主義國家移動后，其新位置比帝國主義國家更優(yōu)秀，則需要互換該殖民地國家和帝國主義國家的位置。各個帝國集團之間會以競爭的形式爭奪殖民地國家，從而壯大自身的勢力。該過程如下：首先，計算每個帝國集團的總勢力（該集團中帝國主義國家的勢力與所有殖民地國家勢力的平均值的一部分之和），然后，當前勢力最弱的帝國內(nèi)部的最弱的殖民地國家將被置為自由狀態(tài)；所有的帝國集團通過競爭來獲取該自由殖民地國家。勢力越大的帝國集團，成功率也越大。隨著競爭過程不斷進行，勢力強的帝國集團占有越來越多的殖民地國家，而勢力弱的帝國集團逐漸失去其所有的殖民地。最終，失去所有殖民地國家的帝國集團將被覆滅。當算法迭代一定的次數(shù)之后，將只剩下一個帝國，該帝國中的帝國主義國家所代表的解即為算法找到的最優(yōu)解。

　　1.2約束處理辦法

　　ICA算法是針對無約束問題設(shè)計的，用來優(yōu)化彈簧結(jié)構(gòu)參數(shù)時，必須對問題中的約束條件進行處理。在此，我們假設(shè)每個可行解都要優(yōu)于任何非可行解，人為賦予非可行解更大的目標函數(shù)值,同時假設(shè)違背約束條件越多的國家，其代表的解也越劣。在算法迭代過程中，檢測每個國家與前述約束條件的符合程度。假設(shè)某個國家違背了N個約束，則將該國家的目標函數(shù)值設(shè)定為N*Mnumber.這里，Mnumber為一個數(shù)值很大的數(shù)，在我們的實驗中，取99999。

　　2、求解實驗及結(jié)果分析

　　為了檢驗本文提出的方法的可行性，并與其他方法進行對比，我們選用了文獻中的算例進行優(yōu)化計算實驗和分析。算法程序在MATLAB環(huán)境下運行。初始國家數(shù)目設(shè)置為200，初始帝國數(shù)目設(shè)置為3，最大迭代次數(shù)設(shè)置為400次。對于片數(shù)為3和4兩種情況，分別進行20次實驗。由于文獻中并未提供[σ]1和[σ]2的值。鋼板彈簧片數(shù)取為3時，采用ICA算法得到的結(jié)果要優(yōu)于文獻中的結(jié)果，彈簧質(zhì)量減少了約2.4%，同時，兩種算法得到的應力[σ]2大致相等，但ICA得到的應力[σ]1降低了約23.2%；當鋼板彈簧片數(shù)取為4時，文獻中給出的參數(shù)結(jié)果并不能滿足應力[σ]2的約束要求，而本文的結(jié)果滿足許可應力的要求。同時根據(jù)文獻中的數(shù)據(jù)，原設(shè)計中彈簧質(zhì)量為40.9kg，本文得到的結(jié)果為35.3363kg，比原設(shè)計減少了13.6%。

　　3、結(jié)論

　　本文提出了一種應用帝國主義競爭算法進行汽車變截面少片鋼板彈簧優(yōu)化設(shè)計的方法，實驗表明，該方法可行且十分有效。該方法可以使汽車懸架的設(shè)計更加合理，在保證良好的形式穩(wěn)定性、平順性的同時，更大限度地降低鋼板彈簧的質(zhì)量，具有較好的實用價值。

【帝國競爭算法優(yōu)化設(shè)計論文】相關(guān)文章：

算法教學設(shè)計05-18

網(wǎng)站優(yōu)化首先需要分析競爭對手07-14

網(wǎng)頁設(shè)計中圖像的優(yōu)化技巧07-14

綠色設(shè)計論文08-05

VI設(shè)計論文07-26

造型設(shè)計論文11-28

橋梁抗震論文設(shè)計原則論文02-21

優(yōu)化設(shè)計心得體會范文03-22

小學一年級語文作業(yè)優(yōu)化設(shè)計對策分析論文（通用13篇）06-01

藝術(shù)設(shè)計論文07-28