一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法
【專利摘要】本發(fā)明涉及一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征在于，將初始產(chǎn)品表示為初始食物鏈，其中產(chǎn)品的零件對(duì)應(yīng)食物鏈的個(gè)體，將零件的特征參數(shù)表示為編碼，編碼對(duì)應(yīng)個(gè)體的染色體；當(dāng)產(chǎn)品設(shè)計(jì)要求發(fā)生變化時(shí)，對(duì)應(yīng)食物鏈的環(huán)境發(fā)生變化，利用食物鏈生態(tài)進(jìn)化算法使個(gè)體迭代進(jìn)化，直到迭代結(jié)束，對(duì)染色體進(jìn)行反向翻譯，獲得符合設(shè)計(jì)要求的產(chǎn)品的特征參數(shù)。與現(xiàn)有技術(shù)相比，本發(fā)明克服了現(xiàn)有產(chǎn)品靜態(tài)模型無(wú)法實(shí)現(xiàn)產(chǎn)品的自組織智慧進(jìn)化的缺陷，采用的食物鏈生態(tài)進(jìn)化算法包含遺傳算法自然選擇和目標(biāo)優(yōu)化的優(yōu)點(diǎn)，且多種群協(xié)同進(jìn)化，提高產(chǎn)品更新速度，實(shí)現(xiàn)復(fù)雜產(chǎn)品在設(shè)計(jì)要求變化時(shí)的自動(dòng)優(yōu)化更新。
【專利說(shuō)明】
-種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種產(chǎn)品設(shè)計(jì)方法，尤其是設(shè)及一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品 優(yōu)化更新方法。
【背景技術(shù)】
[0002] 從計(jì)算機(jī)出現(xiàn)開始，計(jì)算機(jī)已成為各領(lǐng)域產(chǎn)品設(shè)計(jì)計(jì)算的重要工具。1963年，自美 國(guó)學(xué)者Slither iand首次提出計(jì)算機(jī)輔助設(shè)計(jì)(CAD)的概念后，計(jì)算機(jī)和CAD技術(shù)發(fā)展迅速， 成功的應(yīng)用到產(chǎn)品設(shè)計(jì)、產(chǎn)品制造等各個(gè)方面。產(chǎn)品的智慧進(jìn)化過(guò)程并未完善。產(chǎn)品特別是 復(fù)雜產(chǎn)品，由于其內(nèi)部的復(fù)雜性，其設(shè)計(jì)變更并非一成不變，產(chǎn)品的靜態(tài)模型無(wú)法實(shí)現(xiàn)產(chǎn)品 的自組織智慧進(jìn)化，導(dǎo)致了產(chǎn)品的靜態(tài)模型無(wú)法完全使用，運(yùn)為產(chǎn)品設(shè)計(jì)人員帶來(lái)成本和 工作量的浪費(fèi)和增加。其創(chuàng)造性的設(shè)計(jì)方案的實(shí)施收到了很大影響。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種能實(shí)現(xiàn)產(chǎn)品自 組織智慧進(jìn)化的基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法。
[0004] 本發(fā)明的目的可W通過(guò)W下技術(shù)方案來(lái)實(shí)現(xiàn)：
[0005] -種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征在于，將初始產(chǎn)品表 示為初始食物鏈，其中產(chǎn)品的零件對(duì)應(yīng)食物鏈的個(gè)體，將零件的特征參數(shù)表示為編碼，編碼 對(duì)應(yīng)個(gè)體的染色體;當(dāng)產(chǎn)品設(shè)計(jì)要求發(fā)生變化時(shí)，對(duì)應(yīng)食物鏈的環(huán)境發(fā)生變化，利用食物鏈 生態(tài)進(jìn)化算法使個(gè)體迭代進(jìn)化，直到迭代結(jié)束，對(duì)染色體進(jìn)行反向翻譯，獲得符合設(shè)計(jì)要求 的產(chǎn)品的特征參數(shù)。
[0006] 該方法具體包括W下步驟：
[0007] S1，將初始產(chǎn)品表示為初始食物鏈；
[000引S2,變更初始產(chǎn)品的零件特征參數(shù)，并對(duì)應(yīng)變更初始食物鏈中個(gè)體的染色體編碼；
[0009] S3，利用食物鏈生態(tài)進(jìn)化算法使個(gè)體迭代進(jìn)化，直到迭代結(jié)束；
[0010] S4,對(duì)染色體進(jìn)行反向翻譯，獲得符合設(shè)計(jì)要求的產(chǎn)品的特征參數(shù)。
[0011] 所述的編碼為二進(jìn)制編碼。
[0012] 所述的零件的特征參數(shù)包括零件是否可更改、材質(zhì)、形狀W及與形狀相關(guān)的尺寸。
[0013] 所述的食物鏈生態(tài)進(jìn)化算法中，個(gè)體對(duì)環(huán)境的適應(yīng)度與待優(yōu)化問(wèn)題的目標(biāo)函數(shù)線 性相關(guān)。
[0014] 所述的個(gè)體對(duì)環(huán)境的適應(yīng)度通過(guò)式(a)或式(b)求解：
[0017] 其中Fitness(*)為個(gè)體對(duì)環(huán)境的適應(yīng)度，Cmax為2%η為編碼長(zhǎng)度，Gf(x)為待優(yōu)化 問(wèn)題的目標(biāo)函數(shù)。
[0018] 與現(xiàn)有技術(shù)相比，本發(fā)明具有W下優(yōu)點(diǎn)：
[0019] (1)將初始產(chǎn)品表示為初始食物鏈，利用食物鏈生態(tài)進(jìn)化算法使個(gè)體迭代進(jìn)化，獲 得符合設(shè)計(jì)要求的產(chǎn)品的特征參數(shù)，克服了現(xiàn)有產(chǎn)品的靜態(tài)模型無(wú)法實(shí)現(xiàn)產(chǎn)品的自組織智 慧進(jìn)化的缺陷，實(shí)現(xiàn)產(chǎn)品在設(shè)計(jì)要求變化時(shí)的自動(dòng)優(yōu)化更新。
[0020] (2)食物鏈生態(tài)進(jìn)化算法既包含遺傳算法自然選擇和目標(biāo)優(yōu)化的優(yōu)點(diǎn)，也包含多 種群協(xié)同進(jìn)化，克服了單種群遺傳算法的收斂慢等缺陷，提高產(chǎn)品更新速度，適用于復(fù)雜產(chǎn) 品的優(yōu)化更新。
[0021] (3)采用二進(jìn)制編碼表示產(chǎn)品特征參數(shù)，可解決復(fù)雜產(chǎn)品等非線性離散型結(jié)構(gòu)優(yōu) 化問(wèn)題。
【附圖說(shuō)明】
[0022] 圖1為本發(fā)明方法實(shí)現(xiàn)流程圖；
[0023] 圖2為本發(fā)明食物鏈生態(tài)進(jìn)化算法流程圖；
[0024] 圖3為本發(fā)明實(shí)施例2系統(tǒng)狀態(tài)圖。
【具體實(shí)施方式】
[0025] 下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說(shuō)明。本實(shí)施例W本發(fā)明技術(shù)方案 為前提進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過(guò)程，但本發(fā)明的保護(hù)范圍不限于 下述的實(shí)施例。
[00%] 實(shí)施例1
[0027]如圖1所示的一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，將初始產(chǎn)品表 示為初始食物鏈，其中產(chǎn)品的零件對(duì)應(yīng)食物鏈的個(gè)體，將零件的特征參數(shù)表示為二進(jìn)制編 碼，編碼對(duì)應(yīng)個(gè)體的染色體，零件的特征參數(shù)包括零件是否可更改、材質(zhì)、形狀W及與形狀 相關(guān)的尺寸；當(dāng)產(chǎn)品設(shè)計(jì)要求發(fā)生變化時(shí)，對(duì)應(yīng)食物鏈的環(huán)境發(fā)生變化，利用食物鏈生態(tài)進(jìn) 化算法使個(gè)體迭代進(jìn)化，直到迭代結(jié)束，對(duì)染色體進(jìn)行反向翻譯，獲得符合設(shè)計(jì)要求的產(chǎn)品 的特征參數(shù)。
[00%]該方法具體包括W下步驟：
[0029] S1，將初始產(chǎn)品表示為初始食物鏈；
[0030] S2,變更初始產(chǎn)品的零件特征參數(shù)，并對(duì)應(yīng)變更初始食物鏈中個(gè)體的染色體編碼； [0031 ] S3，利用食物鏈生態(tài)進(jìn)化算法使個(gè)體迭代進(jìn)化，直到迭代結(jié)束；
[0032] S4,對(duì)染色體進(jìn)行反向翻譯，獲得符合設(shè)計(jì)要求的產(chǎn)品的特征參數(shù)。
[0033] 食物鏈生態(tài)進(jìn)化算法中，個(gè)體對(duì)環(huán)境的適應(yīng)度與待優(yōu)化問(wèn)題的目標(biāo)函數(shù)線性相 關(guān)，個(gè)體對(duì)環(huán)境的適應(yīng)度通過(guò)式(a)或式(b)求解：
[0034] )
[0035]
[0036] 其中Fitness(*)為個(gè)體對(duì)環(huán)境的適應(yīng)度，Cmax為2%，代表參數(shù)編碼的數(shù)量的最大 值，η為編碼的長(zhǎng)度（編碼過(guò)程在下方表1、表2中，先給出編碼過(guò)程，再給出對(duì)適應(yīng)度的求 解），Gf (X)為待優(yōu)化問(wèn)題的目標(biāo)函數(shù)。
[0037] 食物鏈生態(tài)進(jìn)化算法化EAFC)是W多種群相互競(jìng)爭(zhēng)機(jī)制為基礎(chǔ)的進(jìn)化算法，它將 所有染色體初始化組成一條初始食物鏈，食物鏈上每個(gè)染色體對(duì)應(yīng)為待優(yōu)化問(wèn)題的一個(gè)候 選解，對(duì)環(huán)境的適應(yīng)性對(duì)應(yīng)為待優(yōu)化問(wèn)題的適應(yīng)度函數(shù)值，借助于模仿生態(tài)系統(tǒng)食物鏈上 的多種群染色體自適應(yīng)進(jìn)化思想，實(shí)現(xiàn)待優(yōu)化問(wèn)題的最優(yōu)化。它既包含遺傳算法自然選擇 和目標(biāo)優(yōu)化的優(yōu)點(diǎn)，也包含多種群協(xié)同進(jìn)化，從而降低了單種群遺傳算法的收斂慢等缺陷。
[0038] 食物鏈生態(tài)進(jìn)化算法在求解待優(yōu)化問(wèn)題時(shí)，首先從初始食物鏈出發(fā)，初始化待求 解問(wèn)題的可行解，各類種群在各自的生存環(huán)境中根據(jù)環(huán)境多模式縱向并行進(jìn)化，種群適應(yīng) 度沿著食物鏈逐級(jí)提高。同時(shí)，種群間通過(guò)多模式調(diào)整達(dá)到橫向進(jìn)化，從而實(shí)現(xiàn)了種群個(gè)體 之間、種群與種群之間信息能量交換和種群結(jié)構(gòu)調(diào)整，直到算法迭代結(jié)束。算法迭代使得種 群品質(zhì)不斷提高，直到獲得滿足條件的全局最優(yōu)解。
[0039] 食物鏈生態(tài)進(jìn)化算法步驟如下：
[0040] (1)初始化產(chǎn)生初始種群。
[0041] (2)多模式進(jìn)化:計(jì)算食物鏈上個(gè)體適應(yīng)度函數(shù)值，根據(jù)適應(yīng)值的大小將食物鏈排 序并劃分為高、中、低等Ξ個(gè)種群進(jìn)化鏈，各種群按照各自的模式獨(dú)立進(jìn)化。
[0042] (3)對(duì)各種群進(jìn)行模式調(diào)整，將較優(yōu)個(gè)體移動(dòng)到高一級(jí)模式中，高級(jí)種群中的個(gè)體 對(duì)低級(jí)種群個(gè)體進(jìn)行替換。
[0043] (4)判斷是否滿足收斂條件，滿足條件，輸出結(jié)果，停止計(jì)算；否則，重復(fù)步驟2)、 3)、4)。
[0044] 食物鏈生態(tài)進(jìn)化算法流程圖如圖2所示。
[0045] 食物鏈生態(tài)進(jìn)化算法的具體實(shí)現(xiàn)如下：
[0046] (1)定義目標(biāo)函數(shù)
[0047] 食物鏈生態(tài)進(jìn)化算法的目標(biāo)函數(shù)為：
[004引 Gf(x)
[0049] 其中，約束條件：
[0050] H(x)=0
[0051] 對(duì)于任意解，若H(x) = 0,則該解即為可行變量，可W根據(jù)食物鏈生態(tài)進(jìn)化算法的 目標(biāo)函數(shù)計(jì)算其f(x)值。若對(duì)于任意解H(x)^0,則該個(gè)體不是可行解。約束條件表達(dá)了目 標(biāo)函數(shù)解的取值范圍。
[0052] (2)生成食物鏈編碼
[0053] 食物鏈生態(tài)進(jìn)化算法通過(guò)合理的編碼來(lái)把待優(yōu)化問(wèn)題的可行解轉(zhuǎn)化到食物鏈生 態(tài)進(jìn)化算法可W處理的解空間中，目前，主要的編碼方法有：多參數(shù)編碼方法、二級(jí)制編碼 方法、格雷碼、符號(hào)編碼方法等。根據(jù)遺傳算法，本發(fā)明采用二進(jìn)制編碼，可解決復(fù)雜產(chǎn)品等 非線性離散型結(jié)構(gòu)優(yōu)化問(wèn)題。
[0054] 首先，初始化待優(yōu)化問(wèn)題的捜索空間NXL，N是指初始食物鏈上的染色體個(gè)數(shù)，L是 指待優(yōu)化問(wèn)題解的維度。食物鏈上的染色體表示為化(i)，其中i代表染色體代數(shù)，k表示染 色體。
[0055] Uk(i) = [Uki(i)，Uk2(i)，...UkL(i)] ke[l，N]
[0056] Ukj(i)=rand〇j je[l，L]
[0化7] 其中，rand()表示隨機(jī)生成的解。
[0058] 由于食物鏈進(jìn)化算法是按照能量從低到高多級(jí)別進(jìn)化，各個(gè)模式種群規(guī)模的生成 方式可表示為：
[0059] N的1 = 3N% ( 1 )
[0060] 式中，0表示食物鏈上低級(jí)種群向高級(jí)種群的能量傳遞效率。
[0061 ] W -木質(zhì)長(zhǎng)方體零件A為例，根據(jù)參數(shù)表進(jìn)行編碼，如表1:
[0062] 表1編碼翻譯表
[0063]
[0064] 按照給出的編碼翻譯表1對(duì)平板進(jìn)行編碼，可W將編碼轉(zhuǎn)變?yōu)槎M(jìn)制形式，則產(chǎn)品 編碼過(guò)程如表2:
[00化]表2編碼過(guò)程 [0066]
[0067]
[0068] 根據(jù)表2可知，該零件在遺傳操作中使用結(jié)構(gòu)編碼為01 I 011 01 11010 I 1111 I 0101。 進(jìn)化結(jié)束后，通過(guò)對(duì)產(chǎn)品的結(jié)構(gòu)編碼進(jìn)行反向翻譯，可還原產(chǎn)品個(gè)體的結(jié)構(gòu)信息。
[0069] (3)計(jì)算適應(yīng)度函數(shù)
[0070] 適應(yīng)度函數(shù)是評(píng)價(jià)種群個(gè)體是否為較優(yōu)個(gè)體的評(píng)價(jià)標(biāo)準(zhǔn)，食物鏈進(jìn)化算法在選擇 適應(yīng)度函數(shù)是，需要基于待優(yōu)化問(wèn)題的目標(biāo)函數(shù)。根據(jù)待優(yōu)化問(wèn)題的目標(biāo)函數(shù)模型的變化 來(lái)選擇適應(yīng)度函數(shù)。常見的適應(yīng)度函數(shù)有兩種：
[0071 ]若待求解問(wèn)題為目標(biāo)函數(shù)最小求解問(wèn)題，則：
[0075] 計(jì)算個(gè)體的適應(yīng)度，根據(jù)適應(yīng)度值大小排序并劃分劃分高、中、低Ξ種進(jìn)化模式， 各模式生成相應(yīng)數(shù)量的個(gè)體。從而將食物鏈劃分成高、中、低等層次差異的進(jìn)化鏈。
[0076] (4)多模式進(jìn)化
[0077] 生物鏈生態(tài)進(jìn)化算法本質(zhì)上是基于遺傳算法的優(yōu)化算法。優(yōu)化的具體步驟為:初 始化食物鏈，隨機(jī)生成若干候選解。根據(jù)種群選擇、交叉、變異等進(jìn)化策略在當(dāng)前狀態(tài)產(chǎn)生 下一代較優(yōu)解。通過(guò)多種群協(xié)同進(jìn)化等策略調(diào)整候選解和較優(yōu)解。重復(fù)該優(yōu)化過(guò)程，直至滿 足收斂條件，算法迭代結(jié)束，輸出最優(yōu)結(jié)果。
[0078] (5)進(jìn)化后的模式調(diào)整
[0079] 物鏈生態(tài)進(jìn)化算法遵從生物中"適者生存，不適者淘汰"的競(jìng)爭(zhēng)準(zhǔn)則，高級(jí)物種的 進(jìn)化對(duì)低級(jí)物種的進(jìn)化起到了促進(jìn)作用。其模式調(diào)整的思想為:高級(jí)種群調(diào)整低一級(jí)種群 個(gè)體，種群間信息結(jié)構(gòu)交叉重組，運(yùn)促使一個(gè)局部較優(yōu)的解向更優(yōu)的局部較優(yōu)解遷移。
[0080] 食物鏈生態(tài)進(jìn)化算法的模式調(diào)整依據(jù)是調(diào)整度，個(gè)體X對(duì)個(gè)體Y的調(diào)整度定義為： [0081 ] Ajust (X，y) = (?* (fi t (X) - fi t (y)) + (I -巧 / S i ni (X，y)
[0082] 5山山7)=乂，￥相同編碼個(gè)數(shù)/染色體長(zhǎng)度
[0083] 其中3表示為X，Y的相似度。算法每迭代一次高級(jí)種群對(duì)低一級(jí)種群調(diào)整，按照調(diào) 整度排序，若個(gè)體調(diào)整度小于1，低一級(jí)種群個(gè)體X則被調(diào)整替換為高一級(jí)種群Y。
[0084] 實(shí)施例2
[0085] W發(fā)動(dòng)機(jī)的設(shè)計(jì)過(guò)程為例，發(fā)動(dòng)機(jī)由氣缸體、活塞、連桿等組成，將各組成部分作 為食物鏈上的個(gè)體(PU)，W氣缸體為例，將氣缸體的內(nèi)徑D、沖程J、氣缸體結(jié)構(gòu)是否可更改、 材質(zhì)、外形表示為二進(jìn)制編碼即染色體編碼。
[0086] 當(dāng)氣缸設(shè)計(jì)要求發(fā)生變化，即進(jìn)氣量由現(xiàn)有減小為2.化，則表示總體環(huán)境發(fā)生改 變。遍歷所有行為變量，發(fā)現(xiàn)關(guān)系B13(功能:排氣口開啟，進(jìn)氣口關(guān)閉，排放廢氣。排出氣體 體積即排量:A^L = v)與排量直接相關(guān)，B13作用于氣缸體PU1，確定氣缸體為最先受到環(huán)境影 響的個(gè)體，PU1產(chǎn)生食物。由排量計(jì)算公式:化=0.7854蝴巧J*N/1000可知，現(xiàn)有排量接近于 3.0L，W更改氣缸結(jié)構(gòu)為例，更改氣缸內(nèi)徑D、沖程J等W適應(yīng)環(huán)境變化。此時(shí)系統(tǒng)狀態(tài)如圖3 所示。
[0087] 根據(jù)食物鏈生態(tài)進(jìn)化算法，氣缸進(jìn)化過(guò)程如下：
[0088] a)初始化參數(shù)，設(shè)置適應(yīng)度函數(shù):確定種群規(guī)模N=6,交叉概率化= 0.5,變異概率 化=0.3和進(jìn)化代數(shù)計(jì)數(shù)器t = 0。適應(yīng)度函數(shù)為：
[0089] Fitness(Gf(x))=abs(化/1000-2.0)
[0090] 設(shè)置終止進(jìn)化準(zhǔn)則迭代次數(shù)n<100或適應(yīng)度Fitness(GfU)) < 丫日，此時(shí)，丫越小， 越符合環(huán)境要求。其中丫 0為未更改前對(duì)系統(tǒng)的適應(yīng)度，未更改前，丫 0 = 0.0155。
[0091] b)生成初始化種群并進(jìn)行產(chǎn)品編碼：
[0092] 結(jié)合如表3所示的編碼翻譯表對(duì)產(chǎn)品個(gè)體進(jìn)行編碼，并將其轉(zhuǎn)化為二進(jìn)制形式。
[0093] 表3氣缸體編碼翻譯表
[0094]
[00951
[0096] 根據(jù)式（1)設(shè)置林德曼生態(tài)效率值構(gòu)造多模式進(jìn)化鏈，N= 1，? ==0.5。計(jì)算各種群適 應(yīng)度，根據(jù)適應(yīng)度大小排序，生成多模式進(jìn)化鏈。見表4:
[0097] 表4多模式進(jìn)化鏈 rnnpRi
[0099] ~C)多種群模式進(jìn)化
[0100] 計(jì)算食物鏈上個(gè)體適應(yīng)度函數(shù)值，根據(jù)適應(yīng)值的大小將食物鏈劃分為高、中、低等 Ξ個(gè)種群進(jìn)化鏈，各種群獨(dú)立進(jìn)化。
[0101] (1)選擇
[0102] 采取選擇概率P表示個(gè)體被選中的概率，即個(gè)體適應(yīng)度函數(shù)值越低，被選中概率越 高。選擇概率的實(shí)現(xiàn)方式如下：
[0103]
[0104] Pi即為第i個(gè)體的選擇概率。或者采用輪盤賭選擇算法隨機(jī)選擇。
[010引（2)巧叉、變異。
[0106] 實(shí)現(xiàn)簡(jiǎn)單交叉:首先對(duì)群體進(jìn)行隨機(jī)配對(duì)，然后在配對(duì)個(gè)體中隨機(jī)設(shè)定交叉點(diǎn)，配 對(duì)個(gè)體交換彼此信息。
[0107] 設(shè)定變異概率為0.3，因此，變異個(gè)體為6*0.3 = 1.8，四舍五入取2，即兩個(gè)個(gè)體中 會(huì)發(fā)生變異。隨機(jī)選取兩個(gè)個(gè)體進(jìn)行變異。
[0108] 多模式進(jìn)化如表5所示，個(gè)體編碼中，每一個(gè)分段代表一個(gè)參數(shù)值，參見表1、表2。
[0109] 表5種群選擇、交叉、編譯過(guò)程
[0110]
[0111]
[0112] d)模式調(diào)整。
[0113] 計(jì)算Ml模式中前2位的個(gè)體對(duì)于M2中的個(gè)體相似度及調(diào)整度，依據(jù)調(diào)整度排序順 序?qū)l進(jìn)行調(diào)整，調(diào)整度小于1的個(gè)體將被M2中個(gè)體調(diào)整并替換。
[0114] 計(jì)算M2模式中前1位的個(gè)體對(duì)于M3中的個(gè)體相似度及調(diào)整度，依據(jù)調(diào)整度排序順 序?qū)2進(jìn)行調(diào)整，調(diào)整度小于1的個(gè)體將被M3中個(gè)體調(diào)整并替換。
[011引 e)終止檢驗(yàn)。
[0116]對(duì)新一代群體自c)起重新進(jìn)行個(gè)體評(píng)價(jià)、選擇、交叉，再次生成下一代群體，直至 群體中有個(gè)體的適應(yīng)度達(dá)到終止約束條件，或迭代次數(shù)達(dá)到100次。在本實(shí)施例中，在第Ξ 次迭代，即第4次群體中，產(chǎn)生個(gè)體 11|01|01|01011111 0100 01010101 01011000 000100101100,它的適應(yīng)度丫 =0.0026含丫 0,迭代終止。此時(shí)，個(gè)體為外徑95、壁厚5、內(nèi)徑 85、沖程88、高300。設(shè)置個(gè)體為已更改，不可二次更改。
【主權(quán)項(xiàng)】
1. 一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征在于，將初始產(chǎn)品表示 為初始食物鏈，其中產(chǎn)品的零件對(duì)應(yīng)食物鏈的個(gè)體，將零件的特征參數(shù)表示為編碼，編碼對(duì) 應(yīng)個(gè)體的染色體;當(dāng)產(chǎn)品設(shè)計(jì)要求發(fā)生變化時(shí)，對(duì)應(yīng)食物鏈的環(huán)境發(fā)生變化，利用食物鏈生 態(tài)進(jìn)化算法使個(gè)體迭代進(jìn)化，直到迭代結(jié)束，對(duì)染色體進(jìn)行反向翻譯，獲得符合設(shè)計(jì)要求的 產(chǎn)品的特征參數(shù)。2. 根據(jù)權(quán)利要求1所述的一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征 在于，該方法具體包括以下步驟： S1，將初始產(chǎn)品表示為初始食物鏈； S2，變更初始產(chǎn)品的零件特征參數(shù)，并對(duì)應(yīng)變更初始食物鏈中個(gè)體的染色體編碼； S3，利用食物鏈生態(tài)進(jìn)化算法使個(gè)體迭代進(jìn)化，直到迭代結(jié)束； S4，對(duì)染色體進(jìn)行反向翻譯，獲得符合設(shè)計(jì)要求的產(chǎn)品的特征參數(shù)。3. 根據(jù)權(quán)利要求1所述的一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征 在于，所述的編碼為二進(jìn)制編碼。4. 根據(jù)權(quán)利要求1所述的一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征 在于，所述的零件的特征參數(shù)包括零件是否可更改、材質(zhì)、形狀以及與形狀相關(guān)的尺寸。5. 根據(jù)權(quán)利要求1所述的一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征 在于，所述的食物鏈生態(tài)進(jìn)化算法中，個(gè)體對(duì)環(huán)境的適應(yīng)度與待優(yōu)化問(wèn)題的目標(biāo)函數(shù)線性 相關(guān)。6. 根據(jù)權(quán)利要求4所述的一種基于食物鏈生態(tài)進(jìn)化算法的產(chǎn)品優(yōu)化更新方法，其特征 在于，所述的個(gè)體對(duì)環(huán)境的適應(yīng)度通過(guò)式(a)或式(b)求解：其中Fitness(*)為個(gè)體對(duì)環(huán)境的適應(yīng)度，Cma^2n，n為編碼長(zhǎng)度，Gf(x)為待優(yōu)化問(wèn)題的 目標(biāo)函數(shù)。
【文檔編號(hào)】G06N3/12GK105825291SQ201610132863
【公開日】2016年8月3日
【申請(qǐng)日】2016年3月9日
【發(fā)明人】郝泳濤, 張偉
【申請(qǐng)人】同濟(jì)大學(xué)