【散热片形状参数优化】基于鱼群优化算法的散热片形状参数优化matlab仿真

原创

fpga和matlab 2022-10-10 16:09:20 博主文章分类：MATLAB ©著作权

文章标签 fpga开发散热片形状优化鱼群优化最优解 fish 文章分类 数据结构与算法人工智能

©著作权归作者所有：来自51CTO博客作者fpga和matlab的原创作品，请联系作者获取转载授权，否则将追究法律责任

1.软件版本

matlab2013b

2.基本原理

根据散热性能->热阻大小->散热片性质，所以整个算法就变为了如下的数学分析式：

【散热片形状参数优化】基于鱼群优化算法的散热片形状参数优化matlab仿真_散热片形状优化

这里，根据相关的文献资料可知，里面的参数为：

【散热片形状参数优化】基于鱼群优化算法的散热片形状参数优化matlab仿真_fish_02

如上的参数，具体优化目标函数简化表达式：

【散热片形状参数优化】基于鱼群优化算法的散热片形状参数优化matlab仿真_最优解_03

而

【散热片形状参数优化】基于鱼群优化算法的散热片形状参数优化matlab仿真_fish_04

又是Y的表达式，所以问题转换为R关于H和Y的目标函数。

这是一个二元函数的优化实例：

即，这里通过算法，搜索到合适的，使R值得到最小。

3.部分核心代码

tic

clc;
clear;
close all;
warning off;
addpath 'my_fishswarm_toolbox\'
addpath 'fitness_box\'

 

Num_Fish    = 15;    %鱼个数
Iteration   = 80;    %迭代次数
Num_search  = 5;     %最多试探次数
Dist_Visual = 2.5;   %感知距离
crowd       = 0.618; %拥挤度因子
step        = 0.1;   %步长
Ker         = 3;     %优化参数维度


%鱼群初始化
Value_Limit =[-1,1,Ker];
%这里修改，作为优化搜索的范围区间
Value_Limit2=[0   ,0.999;
              0   ,0.999;
             -0.9 ,0.9];

X                 = func_init(Num_Fish,Value_Limit,Value_Limit2);
Value_Limit_Store = Value_Limit2(1:Ker,:);
 
gen          =  1;
BestY        = -1*ones(1,Iteration);   %最优的函数值
BestX        = -1*ones(Ker,Iteration); %最优的自变量
besty        = -999;                   %最优函数值
[Y]          =  func_consistence(X);

while(gen<=Iteration)
    gen
    
    for J=1:Num_Fish
        J
        %聚群行为
        [Xi1,Yi1]=func_Fish_swarm (X,J,Dist_Visual,step,crowd,Num_search,Value_Limit_Store,Y); 
        %追尾行为
        [Xi2,Yi2]=func_Fish_Follow(X,J,Dist_Visual,step,crowd,Num_search,Value_Limit_Store,Y);
        
        if Yi1>Yi2
            X(:,J)=Xi1;
            Y(1,J)=Yi1;
        else
            X(:,J)=Xi2;
            Y(1,J)=Yi2;
        end
    end
    
    [Ymax,index]=max(Y);
    
    if Ymax > besty
        besty          = Ymax;
        bestx          = X(:,index);
        BestY(gen)     = Ymax;
        [BestX(:,gen)] = X(:,index);
    else
        BestY(gen)     = BestY(gen-1);
        [BestX(:,gen)] = BestX(:,gen-1);
    end
    gen = gen + 1;
end

figure
plot(1:Iteration,1./BestY)
xlabel('迭代次数');
ylabel('优化值');


disp(['最优解X：',num2str(bestx' ,'%1.5f  ')]);
disp(['最优解Y：',num2str(1/besty,'%1.5f  ')]);

%矩形
if Ker == 2
   save test1.mat Iteration bestx besty BestY
end
%三角形
if Ker == 3
   save test2.mat Iteration bestx besty BestY
end
toc