考虑弹流润滑的齿轮传动优化设计混合遗传算法

基于弹性流体动力润滑理论,以体积最小和膜厚比最大为目标函数,建立了齿轮传动多目标优化数学模型,并将问题转化为无约束单目标优化问题.针对遗传算法的局限性,采用整数编码和实数编码相结合的混合编码,调整了适应函数,设计了随机多父辈交叉方法,结合模拟退火算法,形成了混合遗传算法.在操作过程中,部分约束条件自动得到满足,大大减少了不可行解的产生.算例说明了该优化方法的有效性.     

考虑重合度的斜齿轮传动优化混合遗传算法

以体积最小和重合度最大为目标函数,建立了斜齿轮传动多目标优化设计数学模型,并将问题转化为无约束单目标优化问题。针对优化设计参数的特点,遗传算法的编码方式采用整数编码和实数编码相结合的混合编码。操作过程中,结合了模拟退火算法调整适应函数,设计了多父辈随机交叉方法,改进了变异操作,从而形成了改进的混合遗传算法。优化过程中,通过编码及操作方法的设计部分约束条件自动得到满足,减少了不可行解的产生。算例说明了该优化方法的有效性。     

基于GASA优化算法的自适应协同优化方法

针对协同优化方法收敛困难、优化效率低的问题,采用自适应概念与混合优化算法对其进行改进.采用基于学科优化解的差异信息构造自适应惩罚函数,将系统级约束条件进行转化,重新构建系统级的优化模型,克服了协同优化内部定义缺陷所造成的收敛困难.结合协同优化的优化特征,采用兼备遗传算法与模拟退火算法两者优点的混合算法作为协同优化系统级优化算法,提高了协同优化寻优效率.以飞机起落架缓冲器优化问题为例验证了该方法,结果表明该方法提高了协同优化的搜索效率与收敛速度,优化性能良好.     

基于量子遗传算法的多峰函数优化研究

针对标准遗传算法在多峰函数寻优中出现的局部收敛性及精度不高等问题,提出了一种基于量子遗传算法的多峰函数优化算法.该算法融合了量子计算和遗传算法的思想,通过量子比特编码和量子旋转门调整策略更新种群.仿真结果表明该优化算法收敛速度快,能跳出局部最优,在多峰函数寻优中具有有效性和可行性.     

流体动压轴承多目标优化设计的改进灰色微粒群算法

针对齿轮箱流体动压轴承多目标优化问题,提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用灰色综合关联度将多目标优化问题转化为单目标优化问题,再用改进微粒群算法求解,开发了混合离散变量优化的灰色改进微粒群法程序.该方法能合理地处理优化设计中混合离散变量的取值问题,通过对标准微粒群算法改进,引入动态罚函数,构造一种新的适应函数,算法具有很强的全局寻优能力.优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强.     

混合离散变量优化的精英多父体杂交算法

提出了一种有效求解约束函数优化问题的新型演化算法,该方法能合理地处理优化设计中混合离散变量的取值问题。该方法是在郭涛算法的基础上,通过构造动罚函数,引入精英保存策略,增加父体选择压力加速算法收敛,构造了精英多父体杂交优化算法,开发了混合离散变量优化的精英多父体杂交优化算法程序DEMPCOA1.0。机械优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的适应性,而且程序运行可靠,全局收敛能力强。     

基于等位基因的实数编码量子进化算法

为改善量子进化算法的早熟问题,提高算法搜索精度和收敛速度,提出了一种基于等位基因的实数编码量子进化算法。该算法以概率叠加的方式将实数变量按照等位基因进行编码,采用混合更新策略根据基因的"相对优良性"对等位基因进行变尺度变异,在全局搜索与局部搜索平衡的前提下提高搜索速度,之后引入Hε门更新等位基因对应的概率幅度。最后利用Markov链证明了其全局收敛性。数值算例将所提及算法与量子进化算法和基于双链编码的量子遗传算法进行比较,验证了算法的收敛速度和求解精度,并将该算法应用于纺织浆纱工艺参数的优化问题,获得了良好的优化效果。     

基于量子位实数编码的优化算法及轧制规程多目标优化

针对热连轧轧制规程优化问题,以等功率裕量和轧制能耗为优化目标函数建立热连轧轧制规程多目标优化模型,提出基于量子位实数编码的热连轧轧制规程多目标优化算法。该算法将免疫遗传算法框架与量子计算思想相结合,采用量子位实数编码,利用量子态干涉进行遗传算子的交叉和变异,同时保证非支配解按拥挤距离选择优势免疫抗体种群,得到 Pareto 全局最优解集。以某轧钢厂热连轧精轧机组为例,验证本文所提及算法的有效性。实例分析表明,所提及的算法在寻优能力和收敛速度上均优于传统的NSGA-II算法,能够获得更好的Pareto解集,有效地解决热连轧轧制规程多目标优化问题,改善了轧制能耗。     

自动小车存取系统复合作业三维空间路径优化

为了提高智能立体仓库的运转效率,提出了一种改进的人工狼群算法,利用该算法有效地解决了轨道小车存取系统复合作业三维空间路径优化问题。针对该系统出入库复合作业的特点,设计了一种包含轨道引导小车任务分配与三维空间路径信息的编码和解码方法;将禁忌表和拥挤度因子引入算法,并采用自适应围攻步长来避免算法陷入局部最优,同时加快算法的后期收敛速度。以某省级电能计量设备自动检定中心的AVS/RS系统为实例,将该算法与另外两种优化算法进行比较,结果表明该改进算法的收敛速度更快、优化率更高、得到的解最优。     

基于Hopfield神经网络的结构优化算法研究

利用Hopfield神经网络并结合模拟退火算法,对甘蔗收获机械台架结构进行了优化。建立了神经网络系统能量函数与优化问题目标函数之间的对应关系、神经网络演化过程与优化问题寻优过程之间的对应关系、神经网络系统到达平衡点与优化问题最优解之间的对应关系。采用改进的惩罚算子以提高神经网络的收敛速度,经过12次迭代后,优化目标下降17.5%,且应力小于190MPa,表明该优化方法可充分利用设计资源,得到全局最优解。算例证明该算法高效可靠,切实可行,有较强的工程实用性。     

基于混合遗传算法的混合装配线排序问题研究

为使混合装配线有效运作,研究了混合装配线的生产排序问题。以装配线上各种零部件消耗速率均匀化和最小生产循环周期最短为优化目标,描述了多目标排序问题,并建立了优化模型。针对基本遗传算法在求解排序问题时的早熟收敛问题,提出一种改进混合遗传算法。该算法借助模拟退火算法思想对适应度尺度进行调整,使遗传进化初期削弱种群中个体适应度差异,而在遗传进化后期强化种群中个体适应度差异,以提高对最优解的搜索能力。同时,根据个体适应度自动调整遗传操作参数,既保存了种群中的优良个体,又不失个体的多样性。最后通过案例分析验证了算法的有效性。     

遗传算法在混合动力汽车控制策略优化中的应用

提出了一种基于浮点数编码遗传算法的混合动力汽车控制策略参数优化新方法。以一辆实际混合动力汽车样车的逻辑门限控制策略为例，分析并建立了控制策略参数优化的有约束非线性规划模型，其目标函数包含最小化油耗和排放。提出了采用稳态进化模型和浮点数编码遗传算法的参数优化方法，用于求解一组最优的控制策略参数。仿真结果表明，该方法可以找到一组全局最优的参数，将其用作离线参数优化，可以大大缩短控制器的实车标定时间。     

基于JIT的非等同并行多机调度问题的混合遗传算法

针对一类NP完全问题的多目标、非等同、并行多机作业调度问题，设计了一个混合遗传算法。该算法在设计过程中针对该问题的特点，设计了一种动态适应度函数；将求解单机问题最优解的有效算法混合在编码方案中，设计了一种不包括作业顺序的简单编码方案，从而降低了算法的实现难度，并提高了执行效率。数值仿真实验表明，该算法具有收敛速度快、优化效果好等特点，适合于求解较大规模的问题。     

求解车辆路径问题的混合遗传算法

针对物流配送中具有容量限制的车辆路径问题,设计了一种结合2-OPT子路径优化的混合遗传算法.在该算法中,提出了一种新的双层染色体编码方案.该染色体编码方案能确保子路径为满足车辆容量约束的可行路径,并且该编码方案只需根据客户编号生成染色体,无需预先知道有容量限制的车辆路径问题所需的最小车辆数,更适于求解实际中的车辆路径优化问题.采用2-OPT算法作为遗传算法的变异算子以优化子路径,从而提高算法的收敛速度.基于典型基准测试实例的计算结果表明,该算法是求解有容量限制的车辆路径问题的有效方法.     

自适应退火遗传算法的起重机箱形梁优化

为克服标准遗传算法的固有缺陷——停滞和早熟现象,将具有较强局部收索能力的模拟退火算法融入其中,对适应函数进行退火拉伸,对接受算子进行退火处理,同时加入自适应机制来改进标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其既能根据个体适应值的大小进行自适应修正,也能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.以最终形成了自适应退火遗传算法进行起重机主梁优化.经实例验证:与原标准遗传算法相比,在保证收敛结果不变的情况下,收敛速度和全局收敛性都得到了较大提高.     

浮点数编码改进遗传算法在平面度误差评定中的研究

随着智能制造系统的迅猛发展,应用元启发模式计算方法快速、准确地求解平面度误差值凸显出重大现实意义。为进一步提高平面度误差计算精度,研究了一种基于浮点数编码的改进遗传算法,在原有遗传算法的交叉变异基础之上,引入模拟退火思想,建立最小包容区域法的数学模型,通过计算机仿真获得了最佳适应度收敛曲线和平均适应度收敛曲线,优化结果表明相比传统遗传算法,平面度误差计算精度提高了33.67%。本算法采用浮点数编码、三段式交叉、转轮式选择和最优保存策略,借助模拟退火算法的局部搜索优势,提升了算法的整体性能,且更便于计算机编程,可进一步推广应用到智能测量仪器的其他高精度形位尺寸计算问题领域。     

基于改进遗传算法的函数优化及其性能分析

工程应用中,常涉及到最优化问题.对很多问题进行数学建模后,都可以抽象为一个数值函数的优化问题.实践表明,遗传算法求解最优化问题的计算效率很高.提出了一种对简单遗传算法的编码方式、选择算子、交叉算子及变异算子都进行改进的算法,仿真试验表明,改进算法的函数优化计算在搜索效率和收敛速度方面都有很大提高.     

基于遗传-粒子群混合算法的柔性作业车间多资源调度问题

在传统柔性作业车间调度问题(FJSP)中加入运输和装配环节,提出一种柔性作业车间多资源调度问题(MRFJSP),以完工时间最短为目标建立了包含加工、运输和装配的柔性作业车间调度模型。为了提高传统遗传算法(GA)在车间调度问题中的寻优能力,将粒子群算法(PSO)的寻优过程进行改进并与遗传算法进行结合,提出一种带保优策略的遗传-粒子群混合算法,利用单层编码对模型进行求解。通过算例验证了模型的可行性,并将提出的混合算法与遗传算法和粒子群算法进行比较,证明了混合算法的优越性。     

基于多目标遗传算法的产品优化配置研究

针对产品配置设计存在的问题，提出一种基于多目标遗传算法的产品优化配置方法，设计了相应编码解码方案和适应度计算方法，在具体算法中，对小生境的范围确定和精英策略提出改进。仿真实验证明，该算法可行有效，优于其他遗传算法。