(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211043042.4 (22)申请日 2022.08.29 (71)申请人 陕西师范大学 地址 710000 陕西省西安市雁塔区长延堡 办长安南路东侧 (72)发明人 张文博　姚若侠　杨晓腾　夏和义　 (74)专利代理 机构 北京前审知识产权代理有限 公司 11760 专利代理师 张静　张波涛 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01) G06N 3/00(2006.01) G06F 17/18(2006.01) G06F 119/18(2020.01)G06F 119/14(2020.01) G06F 119/08(2020.01) G06F 111/04(2020.01) (54)发明名称 一种基于改进灰狼算法的压力容器成本优 化方法 (57)摘要 本公开揭示了一种基于改进灰狼算法的压 力容器成本优化方法， 包括如下步骤： 采用布谷 鸟算法、 自适应衰减因子和最优 学习策略对灰狼 算法进行改进， 获得改进灰狼算法； 构建压力容 器制造成本模 型； 根据改进灰狼算法求解压力容 器制造成本模型， 获得该模型的最优解， 即压力 容器的最优制造成本 。 权利要求书2页 说明书15页 附图9页 CN 115392126 A 2022.11.25 CN 115392126 A 1.一种基于改进灰狼算法的压力容器成本优化方法， 包括如下步骤： S100： 采用布谷鸟算法、 自适应衰减因子和最优学习策略对灰狼算法进行改进， 获得改 进灰狼算法； S200： 构建压力容器制造成本模型； S300： 根据改进灰狼算法求解压力容器制造成本模型， 获得该模型的最优解， 即压力容 器的最优制造成本 。 2.根据权利要求1所述的方法， 其中， 优选的， 所述压力容器制造成本模型表示 为： x＝(x1， x2， x3， x4)＝(Ts， Th， R， L) 且 0≤x1， x2≤99， 10≤x3， x4≤200 其中， Ts表示压力容器的外壳厚度， 对应变量x1； Th表示压力容器的头部厚度， 对应变量 x2； R表示压力容器的内部半径， 对应变量x3； L表示不考虑头部的圆柱界面长度， 对应变量 x4。 3.根据权利要求2所述的方法， 其中， 所述压力容器制造成本模型的约束条件表示 为： g1(x1， x3)＝0.0193x3‑x1≤0 g2(x2， x3)＝0.0095x3‑x2≤0 g4(x4)＝x4‑240≤0 g5(x1)＝1.1‑x1≤0 g6(x2)＝0.6‑x2≤0 其中， g1表示压力约束函数， g2表示温度约束函数， g3表示介质特性约束函数， g4表示材 料焊接性能约束函数， g5表示经济特性约束函数， g6表示容器结构约束函数。 4.根据权利要求1所述的方法， 其中， 步骤S300中， 所述根据改进灰狼算法求解压力容 器制造成本模型包括如下步骤： S301： 基于压力容器制造成本模型设置灰狼的数量、 最大迭代次数和搜索范围， 初始化 包括α 、 β 、 δ狼在内的灰狼种群位置； S302： 计算每个灰狼个体的适应度 值， 即压力容器制造成本模型 f(x)的最小值， 并在当 前灰狼群体中找出最优解α 狼、 次最优解β 狼和第三 最优解 δ狼； S303： 将最优解α 狼对应的x1‑x4值代入模型中， 求得压力容器的初始制造成本； S304： 对衰减因子a进行 更新， 获得 更新后的a值； S305： 首次循环采用布谷鸟算法调整α、 β、 δ狼 的初始位置， 后续循环对α、 β、 δ狼的当前 位置进行调整； S306： 基于调整后的α、 β 、 δ狼和灰狼个体位置， 采用最优学习策略更新最优候选狼的位 置， 将此位置对 应的x1‑x4值代入模型中， 求得压力容器的当前制造成本， 将压力容器的当前 制造成本与上一次循环求得的最优制造成本比对， 取较小值作为当前最优成本； S307： 重复执行步骤S304至步骤S306， 直至达到所设置的最大迭代次数， 迭代完成后， 当前最优成本即为压力容器的最终最优成本 。权　利　要　求　书 1/2 页 2 CN 115392126 A 25.根据权利要求4所述的方法， 其中， 步骤S304中， 基于以下公式对衰减因子a进行更 新： 其中， 表示勘探阶段 所占的迭代比例， 取值范围为(0， 1)， max表示最大迭代次数， t 表示 当前迭代次数。 6.根据权利要求4所述的方法， 其 中， 步骤S305中， 所述采用布谷鸟算法调整α、 β 、 δ狼的 初始位置通过 下式进行： 其中， 表示第t代的第i个解， α 表示控制步长的权重， 表示点对点乘法与问题规模 有关， α ＝0.01(xi(t)‑xb)， xb为当前最优解， L évy( λ )表示服从莱维分布的路径， λ表示莱维 飞行的步长 。 7.根据权利要求 4所述的方法， 其中， 步骤S3 06中， 所述 最优学习策略表示 为： 其中， t为当前迭代次数， r 3为[0， 1]的随机变量， c1∈[0， 1]表示个体记忆系数， ξ为惯性 权重。权　利　要　求　书 2/2 页 3 CN 115392126 A 3