Matlab遗传算法优化工具箱(GAOT)的研究与应用

介绍遗传算法的基本原理和Matlab的遗传算法优化工具箱（GAOT）,分析了优化工具函数。探讨Matlab遗传算法工具箱在参数优化和非线性规划中的应用。通过优化实例,说明遗传算法是一种具有良好的全局寻优性能的优化方法。用Matlab语言及Matlab语言编制的优化工具箱进行优化设计具有语言简单、函数丰富、用法比较灵活、编程效率高等特点。     

基于Matlab遗传算法工具箱的同心式磁力齿轮优化设计

运用全局解析法对同心式磁力齿轮电磁场、电磁转矩进行分析和计算,在此基础上,利用Matlab优化工具箱中的遗传算法对其优化设计。实验结果表明,基于Matlab遗传算法工具箱的同心式磁力齿轮优化设计方法得到了令人满意的结果,并为同心式磁力齿轮的分析和设计提供了一个新的途径。这对同心式磁力齿轮的研究及应用具有重要意义。     

利用改进的遗传算法解决全局寻优问题

寻找函数的全局最优解是一个很常见的工程应用问题,简单遗传算法是解决此类问题的有力工具.但由于简单遗传算法具有中全局收敛能力差和收敛速度慢的缺点.本文基于对遗传算子的优化,提出一种混合分类选择和定向变异的改进遗传算法来解决全局寻优问题.经仿真结果表明,该算法具有较强的全局收敛能力和较快的收敛速度.     

基于遗传算法的最大似然参数优化估计

用最大似然法进行参数优化估计时,为了避免常规优化算法由于受迭代初值的影响不易收敛到全局最优解的缺点,文中采用遗传算法,不再需要估计优化变量的初始值即可获得全局近似最优解。建立以似然函数为目标,求其极大值点即可确定参数最优解的优化模型。为了更好地确保遗传算法获得全局最优解,在传统遗传算法的基础上采用尺度变换适应度函数、并行操作、保留最优个体等方法,进一步保证方程解的精度。最后以威布尔分布为例进行参数估计,结果表明,改进的遗传算法可以在求解效率和收敛性能上达到较好的平衡,能更好地将优化方法与最大似然估计法相结合。     

基于遗传算法的机械零部件可靠性优化设计

以发动机气门弹簧为例,考虑设计参数的离散性,建立了以部件可靠度为目标函数的数学模型,确定了设计变量、目标函数及约束条件,使用遗传算法通过选择、交叉和变异等操作使种群逐代进化,同时以全局并行搜索来优化群体,利用遗传算法进行优化运算并得到了全局最优解.设计结果表明:使用遗传算法可以有效地解决非线性和离散性的优化设计问题,能够得到全局最优解,既可保证优化结果,又提高了优化效率;该优化方法合理有效,能够解决非线性约束条件下的优化问题,是对现代机械可靠性优化方法的丰富,可广泛应用于机械零部件的优化设计.     

面向机器人优化设计的GA-非均匀Kriging-梯度投影混合全局优化算法

针对机器人优化设计等工程应用中普遍存在的黑箱问题,提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化(Hybrid global optimization, HGO)算法。该方法使用非均匀Kriging模型对目标函数进行评估,能够在不苛求近似模型全局精度的情况下保证优化过程的精度,并节省大量计算时间。使用梯度投影法对遗传算法种群进行变异,可以在提升优化收敛效率的同时确保优化约束条件,从而可以避免使用并不严格的罚函数法处理约束函数。为验证算法的有效性和优越性,将本算法应用于两个数学测试算例和一个模块化机械臂截面优化实例中,并与其他优化算法比较。结果表明,本算法能够兼顾结果精度、优化效率和算法稳定性,发挥更好的综合性能,从而实现对工程问题的全局优化设计。     

基于遗传算法的车辆座椅悬架最优控制器的应用

常规LQG控制器在车辆座椅主动悬架应用中,存在权值矩阵确定的问题。设计了一种基于遗传算法优化LQG权值矩阵的方法。该方法利用遗传算法的全局优化算法,以主动座椅悬架性能指标为目标函数对权值矩阵进行优化设计,并在Matlab/Simulink环境下建立了系统模型并进行仿真模拟。仿真结果表明:基于遗传算法优化的LQG控制器能够解决了最优控制器中存在的权值确定问题,提高悬架的设计效率,同时对于乘坐舒适性的改善有良好的效果。     

行星变速器的模糊可靠性多目标优化设计

以提高行星传动系统效率和增大系统可靠性并尽量减轻整机的重量为目标函数,通过线性加权函数法确定目标函数的数学模型,采用设计变量规格化的方法确定加权因子,基于模糊数学理论的可靠性约束条件以及功能进行几何约束,运用Matlab优化工具箱进行优化,对三个局部最优解叠加计算,保证了优化参数是满足目标函数的全局最优解.通过实例表明...     

基于遗传-二次规划法的封闭差动人字齿轮传动系统混合优化设计

采用变位齿轮正传动方式,建立了以减轻传动系统重量为优化目标的封闭差动人字齿轮传动系统优化数学模型。利用MATLAB优化工具箱中的遗传算法和二次规划算法优化函数进行混合优化。研究结果表明:把遗传算法的结果作为二次规划法优化的初值,解决了二次规划法优化优化设计变量初值难于确定问题;与单纯采用遗传算法或二次规划算法相比,该混合优化方法计算的优化值明显改善,系统重量显著降低;该优化方法为获得大规模的非线性约束优化设计精确的全局最优解提供了一种简单可行的解决办法。     

基于遗传算法的行星齿轮传动优化及MATLAB实现

针对2K-H型行星齿轮传动约束优化实例，结合传统优化方法中的惩罚函数法，描述了浮点编码的遗传算法和大型工程计算软件MATLAB中遗传工具箱的使用方法，同时表明，遗传算法在行星齿轮传动优化及其它相关问题中具有较好的应用前景。