本发明属于焊接梁设计，具体涉及一种焊接梁设计的智能优化算法。
背景技术：
1、焊接梁设计问题是众多工程问题中的一个最小化问题，在于降低焊接梁设计成本，具有多约束、非线性等特征。现研究阶段已有解决该问题的算法有：遗传算法(geneticalgorithms，ga)，粒子群算法(particle swarm optimization，pso)，鲸鱼算法(whaleoptimization algorithm，woa)，灰狼算法(grey wolf optimizer，gwo)，黑猩猩优化算法(chimp optimization algorithm，choa)等，但是以上所述算法的寻优所得到的设计方案有待进一步优化。
2、星鸦算法(nutcracker optimization algorithm，noa)是由mohamed abdel-basse等人在2023年根据来自克拉克地区的星鸦在不同时期表现出来的两种不同的行为所提出的一种新颖的自然启发的智能优化算法，模拟两种行为设置均存在勘探与开发阶段的觅食和储存策略、缓存搜索和找回策略两种策略，相比其他智能优化算法，noa具备三大特点：一是该算法易于实现；二是具有较高的收敛速度；三是适用于多个不同特性的优化问题。但是，noa仍然存在易陷入寻优精度低和无法根据优化问题的需求平衡勘探与开发阶段，以节省计算成本和避免陷入局部最优陷阱。
技术实现思路
1、针对上述星鸦算法原始算法(noa)中存在易陷入寻优精度低和无法根据优化问题的需求平衡勘探与开发阶段，陷入局部最优陷阱的技术问题，本发明提供了一种焊接梁设计的智能优化算法，采用混合策略的方法进行改进星鸦算法，大大降低了焊接梁的设计成本。
2、为了解决上述技术问题，本发明采用的技术方案为：
3、一种焊接梁设计的智能优化算法，包括下列步骤：
4、s1、利用bernoulli映射对星鸦种群进行初始化，使其种群分布均匀；
5、s2、根据bernoulli映射产生的位置，计算每个适应度并选择最优位置；
6、s3、随机产生两个0到1之间的值σ、σ1，并比较两者大小，σ大进入第二策略阶段，否则进入第一策略阶段；
7、s4、第一策略阶段中勘探与开发阶段的判断条件pa1，采用非线性衰减模式；
8、s5、根据不同条件进行勘探1与开发1阶段的位置更新；
9、s6、第二策略阶段中勘探与开发阶段的参考点的位置更新采用布朗运动和莱维飞行策略进行更新；
10、s7、根据勘探2与开发2阶段的判断条件pa2，判断第二策略阶段位置更新公式，并使用正余弦算子进行位置扰动更新，pa2＝0.4为参考值；
11、s8、判断当前迭代次数t是否小于最大迭代次数，若是则返回s3，否则输出目标函数的最小值作为焊接梁的最小设计成本，即当前找到的解作为最优焊接梁设计方案。
12、所述s2中bernoulli映射表示为：
13、
14、其中：λ＝0.518，x(t)为上一代最优值，x(t+1)为下一代最优值，t为当前迭代次数。
15、所述s4中的判断条件pa1为：
16、
17、其中：t和t分别是当前迭代次数和最大迭代次数。
18、所述s6中布朗运动和莱维飞行的参考点位置更新公式为：
19、迭代前半期
20、
21、
22、迭代后半期
23、
24、
25、其中：α是调节因子，τ为[0,1]的一个随机数，分别为当前最优位置、随机选择的a、b两个星鸦位置，rp为随机参考位置，u、l分别为上、下限值，u2是0或1的一个参考值，θ为0到π之间的弧度，为π/2时，采用迭代前半期更新公式，其余otherwise采用迭代后半期更新公式。
26、所述s4中使用正余弦算子进行位置扰动更新的公式为：
27、x(t+1)＝x(t)+z1sin(z2)|z3xbest-x(t)|
28、其中：z1＝2(1-t/t)，z2为2π倍[0,1]之间的随机数，z3为2倍[0,1]之间的随机数，xbest为最优解。
29、本发明与现有技术相比，具有的有益效果是：
30、本发明利用matlab软件进行编程，分析原始noa算法和bscnoa，以及与灰狼算法、鲸鱼算法和蜣螂算法优化效果进行对比，有较好的效果，本发明弥补了星鸦算法的不足，将所提出的算法应用到焊接梁设计优化问题上，大大降低了焊接梁的设计成本。
1.一种焊接梁设计的智能优化算法，其特征在于：包括下列步骤：
2.根据权利要求1所述的一种焊接梁设计的智能优化算法，其特征在于：所述s2中bernoulli映射表示为：
3.根据权利要求1所述的一种焊接梁设计的智能优化算法，其特征在于：所述s4中的判断条件pa1为：
4.根据权利要求1所述的一种焊接梁设计的智能优化算法，其特征在于：所述s6中布朗运动和莱维飞行的参考点位置更新公式为：
5.根据权利要求1所述的一种焊接梁设计的智能优化算法，其特征在于：所述s4中使用正余弦算子进行位置扰动更新的公式为：
