(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110642082.X (22)申请日 2021.06.09 (65)同一申请的已公布的文献号 申请公布号 CN 113361034 A (43)申请公布日 2021.09.07 (73)专利权人 郑州轻工业大 学 地址 450000 河南省郑州市高新 技术产业 开发区科 学大道136号 (72)发明人 张勋才　田二林　赵凯　牛莹　 王延峰　王时达　狄佳丽　杨飞飞　 (74)专利代理 机构 郑州优盾知识产权代理有限 公司 41125 专利代理师 栗改 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06N 3/12(2006.01) G06F 111/04(2020.01) G06F 111/06(2020.01)G06F 119/14(2020.01) (56)对比文件 CN 111859796 A,2020.10.3 0 US 2008069048 A1,20 08.03.20 US 2013273 514 A1,2013.10.17 CN 110222812 A,2019.09.10 Xuncai Zhang et al. .An Improved Squirrel Searc h Algorithm W ith Reproductive Behavi or. 《IEEE Access》 .2020, 全文. Divya Bairathi et al. .Numerical optimizati on and fe ed‑forward neural networks trai ning using an improved optimizati on algorithm: multiple leader salp swarm algorithm. 《Evo lutionary Intelligence》 .2019,全 文. (续) 审查员 李莎 (54)发明名称 基于觅食策略的改进樽海鞘算法的拉压弹 簧设计方法 (57)摘要 本发明提出了一种基于觅食策略的改进樽 海鞘算法的拉压弹簧设计方法， 其步骤如下： 对 拉压弹簧设计问题进行数学建模， 建立以重量为 目标函数的拉压弹簧问题的数学模 型； 将拉压弹 簧问题的决策变量编码为樽海鞘个体位置向量； 采用哈里斯鹰觅食策略和多点领导者交叉策略， 构建新的改进樽海鞘优化算法， 执行新的改进樽 海鞘优化算法求解拉压弹簧问题， 得到最优樽海 鞘个体； 对最优樽海鞘个体进行解码， 得到拉压 弹簧问题的最佳决策变量， 最佳决策变量为弹簧 的最佳结构设计方案。 本发明哈里斯鹰觅食策略 加强对有潜力的区域的开发； 引入多点领导者交 叉策略实现开发和探索之间的平衡， 提高了樽海鞘算法在求 解拉压弹簧问题中的性能。 [转续页] 权利要求书3页 说明书12页 附图3页 CN 113361034 B 2022.11.01 CN 113361034 B (56)对比文件 Xuncai Zhang et al. .Improved Har ris Hawks Optimizati on Based o n Adaptive Cooperative Fora ging and Dispersed Foraging Strategies. 《IE EE Access》 .2020,全 文. Biswaranjan Ac harya et al. .Modified SSA for So lving Multiproces sor Scheduling Problems. 《Proce edings of the Fifth Internati onal Conference o n Intelligent Computing and Co ntrol System s》 .2021,全 文. 王彦军等.改进的樽 海鞘群算法及 在焊接梁 问题中的应用. 《西安理工大 学学报》 .2019,(第 04期),全 文.2/2 页 2[接上页] CN 113361034 B1.一种基于觅食策略的改进樽海鞘算法的拉压弹簧设计方法， 其特征在于， 其步骤如 下： 步骤一： 对拉压弹簧设计问题进行数学建模， 建立以重量为目标函数的拉压弹簧问题 的数学模型； 步骤二： 将拉压弹簧问题的决策变量编码为樽 海鞘个体位置向量； 步骤三： 采用哈里斯鹰觅食策略和多点领导者交叉策略， 构建新的改进樽海鞘优化算 法， 执行新的改进樽 海鞘优化 算法求解拉压弹簧问题， 得到最优 樽海鞘个体； 所述新的改进樽 海鞘优化 算法的实现方法的步骤为： 步骤1： 初始化种群位置、 种群规模N、 最大迭代次数T、 个 体维度d； 步骤2： 根据目标函数评估每 个个体xi的适应度值f(xi)： 其中i＝1,2,…,N； 步骤3： 适应度值按升序排序， 将具有最小适应度值的樽海鞘个体位置xi定义为领导者 樽海鞘， 其余个体位置为跟随者樽 海鞘； 步骤4： 执 行哈里斯鹰觅食策略， 得到更新后的樽 海鞘种群； 步骤5： 将步骤4中得到的樽 海鞘种群执 行多点领导 者交叉策略， 再次更新樽 海鞘种群； 步骤6： 重复步骤3～步骤5， 直到满足最大迭代次数， 并输出最优 樽海鞘个体； 所述多点领导 者交叉策略的实现方法为： 步骤51： 初始化种群位置， 种群规模N， 最大迭代次数T， 个 体维度d； 步骤52： 在领导者樽海鞘和跟随者樽海鞘个体的维度1到d之间随机选择三个交叉点 c1、 c2和c 3； 步骤53： 从父代领导者樽海鞘中继承三个交叉点c1,c2和c3的位置信息， 加入标记集合 Signed_Pos； 步骤54： 从父代跟随者樽海鞘中分别 继承点1与点c1 ‑1之间、 点c1+1与点c2 ‑1之间、 点 c2+1与点c 3‑1之间的位置信息， 加入标记集 合Signed_Pos； 步骤55： 从左到右扫描标记集合Signed_Pos中未分配的位置， 从父代跟随者樽海鞘中 继承该位置信息； 步骤56： 标记集 合Signed_Pos中的位置信息分配给子代樽 海鞘个体； 步骤57： 重复步骤52～步骤56， 直到所有跟 随者樽海鞘个体和领导者樽海鞘个体交叉 完毕， 得到总数为 N的子代种群； 步骤四： 对最优樽海鞘个体进行解码， 得到拉压弹簧问题的最佳决策变量， 最佳决策变 量为弹簧的最佳 结构设计方案 。 2.根据权利要求1所述的基于觅食策略的改进樽海鞘算法的拉压弹簧设计方法， 其特 征在于， 所述拉压弹簧问题的数 学模型为： 设决策变量： X＝[x1 x2 x3]＝[w D P]； 目标函数： f(X)＝x12 x2x3+2x12 x2； 约束条件： 扰度 剪切应力 权　利　要　求　书 1/3 页 2 CN 113361034 B 3