[发明专利]基于高斯引力搜索的继电器优化设计方法

摘要

本发明公开了一种基于高斯引力搜索的继电器优化设计方法。本发明采用高斯引力搜索算法来优化设计继电器。在高斯引力搜索算法中，首先执行基本引力搜索算法的操作算子计算种群中每个个体的下一代速度，然后执行高斯搜索操作计算出种群中每个个体的下一代位置。在高斯搜索操作算子中，利用当前最优个体及种群的均值信息来加快算法的收敛速度，提高优化设计精度。本发明能够加快继电器优化设计的收敛速度，提高继电器优化设计的质量。

主权项

一种基于高斯引力搜索的继电器优化设计方法，其特征在于，包括以下步骤：步骤1，根据待优化设计继电器的机械和电力特性建立最小化优化目标的数学模型，并确定继电器待优化设计参数的个数D；步骤2，用户设置种群大小Popsize，最大评价次数MAX_FEs；步骤3，设置D个待优化设计参数的下界Lxj和上界Uxj，其中维度下标j＝1,2,...,D；步骤4，令当前演化代数t＝0，当前评价次数FEs＝0；步骤5，随机产生初始种群其中个体下标i＝1,2,...,Popsize；并且为种群Pt中的第i个个体，其中个体按公式(1)进行初始化：Ai,1,jt=Lxj+rand(0,1)×(Uxj-Lxj)Ai,2,jt=0;---(1)]]>其中为个体的当前位置，表示继电器的D个待优化设计参数，并且为个体中的第j个待优化设计参数；为个体在每一维度的当前速度，其中为个体在第j维度的当前速度，并且维度下标j＝1,2,...,D；rand为服从均匀分布的随机实数产生函数；步骤6，计算种群Pt中每个个体的适应值，然后设置种群Pt中每个个体的交叉概率其中个体下标i＝1,2,...,Popsize；步骤7，令当前评价次数FEs＝FEs+Popsize；步骤8，保存种群Pt中的最优个体Bestt；步骤9，按公式(2)计算当前引力系数Gt：Gt=100×exp(-20×FEsMAX_FEs);---(2)]]>其中exp表示以自然常数e为底的指数函数；步骤10，按公式(3)计算当前优秀个体数量KBestt：KBestt=2+(Popsize-2)×(1.0-FEsMAX_FEs);---(3)]]>步骤11，计算种群Pt中所有个体的质量；步骤12，利用种群Pt中的前KBestt个优秀个体与当前引力系数Gt计算种群Pt中每个个体所受到的引力；步骤13，计算种群Pt中每个个体的下一代加速度和下一代速度；步骤14，执行高斯搜索操作计算种群Pt中所有个体的下一代位置，具体步骤如下：步骤14.1，令计数器ki＝1；步骤14.2，如果计数器ki小于或等于Popsize，则转到步骤14.3，否则转到步骤15；步骤14.3，在[0,1]之间随机产生一个实数pmc，然后按公式(4)计算个体的当前交叉概率步骤14.4，令计数器mj＝1；步骤14.5，如果计数器mj小于或等于D，则转到步骤14.6，否则转到步骤14.13；步骤14.6，在[0,1]之间随机产生一个实数TR，如果TR小于则转到步骤14.7，否则转到步骤14.9；步骤14.7，令其中为种群Pt中第ki个个体在第mj维度的下一代位置，为种群Pt中第ki个个体在第mj维度的下一代速度；步骤14.8，转到步骤14.12；步骤14.9，按公式(5)计算种群Pt中所有个体在第mj维度的当前位置的均值GMeanmjt=Σi=1PopsizeAi,1,mjtPopsize;---(5)]]>步骤14.10，按公式(6)计算高斯均值gmu和高斯标准差std：gmu=Best1,mjt-GMeanmjt2std=|Best1,mjt-GMeanmjt|;---(6)]]>步骤14.11，令其中NormRand为高斯分布随机实数产生函数，为最优个体的当前位置，权值系数nw为[0,1]之间的随机实数；步骤14.12，令计数器mj＝mj+1，然后转到步骤14.5；步骤14.13，计算种群Pt中第ki个个体的适应值；步骤14.14，令当前评价次数FEs＝FEs+1；步骤14.15，如果个体的下一代位置优于其当前位置，则令否则保持不变；步骤14.16，令计数器ki＝ki+1，然后转到步骤14.2；步骤15，令当前演化代数t＝t+1，然后保存种群Pt中的最优个体Bestt；步骤16，重复步骤9至步骤15，直至当前评价次数FEs达到MAX_FEs后结束，将执行过程中得到的最优个体Bestt解码为继电器的D个优化设计参数，即可得到继电器的优化设计结果。