离散变量优化相对差分法

根据离散变量问题的特点,在相对差分概念的基础上研究了一种改进的离散变量优化方法。该方法通过相对差分来确定搜索方向。在可行域内,沿目标函数下降最快而约束增加最少的坐标方向搜索;在可行域外,使设计点沿目标函数增加最少,约束降低最多的坐标方向回到可行域。该方法的特点是迭代点均是离散点,无需邻域查点和圆整。并且通过聚合函数法处理约束,而不是只考虑最严约束,同时缩减问题求解规模。通过经典考题验证该方法的收敛性。     

基于蚂蚁算法和SVR的离散变量稳健设计优化

引入蚁群打散、离散搜索等策略对基本蚂蚁算法进行了改进,并采用MATLAB语言编制了离散变量优化设计的蚂蚁算法程序。采用支持向量回归机对模糊概率等非线性函数进行仿真计算．提高了模糊稳健优化设计的求解效率。给出了混合离散变量的稳健优化设计实例,表明了所提出方法的有效性和实用性。     

基于蚂蚁算法的混合离散变量机械优化设计方法

引入蚁群更新、沿途搜索等策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，通过典型优化设计问题进行了验证，并给出了混合离散变量机械优化设计实例。实例表明，改进后的蚂蚁算法全局收敛能力强，程序运行可靠。     

混合离散变量优化的遗传算法研究

将基于格雷码的遗传算法用于求解结构的混合离散变量非线性约束优化问题。完整地阐述了混合离散变量的遗传算法处理方法,包括变量的均匀性处理,编码和解码,多余码的处理;采用格雷码编码方式和一种新的适应值定标方法,对遗传算法作了合理的改进,并指出了原编码方式和定标方法存在的问题,并给出算例证明其合理性,有效性和对问题的适应性。     

基于SA算法的压力容器离散变量优化设计研究

考虑制造工艺要求，将所有设计变量均视为离散变量（包括一般离散变量和伪离散变量），并就这两种情况下状态产生函数的设计原理进行深入研究，解决了将模拟退火算法用于离散变量函数优化的关键技术问题，介绍了一种基于模拟退火算法的离散变量函数优化的新方法。建立了以壳体质量最轻为设计目标、以内径（公称直径）和名义壁厚为设计变量的优化设计的数学模型。该模型具有较多的局部极值点，用以数学规划理论为基础的经典约束优化方法求解效果较差，用基于模拟退火算法的离散变量优化设计方法可以取得良好的效果。     

基于改进遗传算法的离散变量优化设计方法

为了解决混合离散变量机械设计问题,提出了一种面向设计、制造的设计变量离散化处理方法。引入了改进的混沌移民算子、家族竞争遗传机制以及改进的最优个体保护策略,对基本遗传算法进行了改进,并开发了混合离散变量的改进遗传算法程序LSGA01。减速器设计实例表明,该程序运行可靠,全局收敛能力强。     

混合离散变量优化设计的复合遗传算法

目前，对混合离散变量的遗传算法研究较少，而且现有算法对设计变量的处理不能很好地满足工程设计要求。为此，提出了一种面向设计、制造的设计变量工程化处理方法，能合理地处理优化设计中混合离散变量的取值问题。引入了混沌移民算子对基本遗传算法进行了改进，并开发了混合离散变量优化的复合遗传算法程序LSGA。工程设计实例表明，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。     

一种离散变量优化计算的改进方法

在离散变量的结构优化设计中,一般都用次梯度方向作为搜索和前进的方向。本文提出一种用组合梯度搜索方向进行结构灵敏度分析及离散变量优化计算的方法。与文〔6,7〕的各种方法相比,本方法可节省较多的计算时间,并可提高计算效率．     

基于遗传算法的减速器混合离散变量优化设计

针对混合离散设计变量的非线性优化问题,提出了一种面向设计与制造的离散变量工程化处理方法,能简便而合理地处理工程实际中的混合离散变量的取值问题;引入两个定义,以此构造惩罚函数,简单而可靠.在此基础上,建立了一种改进的遗传算法,用来对混合离散变量非线性规划问题进行全局搜索.二级圆柱齿轮减速器优化设计实例表明,该算法普适性较好,全局搜索能力强.     

基于改进遗传算法的离散公差模糊稳健优化设计

为了解决离散变量优化设计问题，采用了一种面向设计、制造的设计变量离散化处理方法。通过改进最优个体保护策略和混沌移民算子，并引入家族竞争遗传机制对基本遗传算法进行了改进。开发了混合离散变量的改进遗传算法程序LSGA2005，用该程序解决了箱体零件尺寸链的离散公差模糊稳健设计问题。实例表明，该算法全局收敛能力强，具有较好的实用价值。     

离散变量结构优化中的一种有效仿生算法

将蚂蚁算法应用于结构优化中 ,通过几个典型的结构优化问题的求解发现 ,蚂蚁算法能够成功地应用于离散变量的结构优化问题和连续变量的结构优化问题     

基于精英选择自适应变异遗传算法的膜系优化设计

将改进的遗传算法——精英选择自适应变异遗传算法(EGAAM)用于光学薄膜的膜系优化设计。EGAAM采用了独特的自适应变异操作,该操作既使得群体保持了多样性,防止过早收敛,又加快了群体收敛速度。EGGAM对初始条件不敏感,并且可以确定膜层厚度边界,确保了设计结果的制备方便。通过减反膜、分光膜的实例优化设计表明,在相同设计条件下,用EGAAM可以得到比传统遗传算法更好的设计结果。理论与实例表明EGAAM用于膜系优化设计是高效和可靠的。     

基于混合群集智能算法的并行公差优化设计

通过对并行公差优化设计的分析,将其视为一种混合变量组合优化问题.首先给出了并行公差优化设计的数学模型,然后将其映射为一类特殊的旅行商问题--顺序多路旅行商问题,从而降低了问题的求解难度.利用蚁群优化算法和粒子群优化算法,分别在求解离散和连续变量优化时的优势,提出了一种求解并行公差优化设计问题的混合群集智能算法.通过一个计算实例,将混合群集智能算法分别与遗传算法和模拟退火算法进行了比较,结果表明,前者具有更强的搜索能力和较高的效率.同时,混合群集智能算法也为求解一般意义的混合变量优化问题提供了借鉴和参考.     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。     

基于改进遗传算法的方案组合优化设计

建立了方案组合优化教学描述,提出了一种基于改进遗传算法的产品方案优化设计模型,实现了该改进算法,并成功地应用于多功能输出变速箱的方案优化设计,获得了方案的最优解。     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了 一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony ...     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化算法求出所有满足约束性条件的pareto解集，结合实际情况依据pareto解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

设备布局离散优化问题的粒子群算法研究

设备布局设计是制造系统设计的重要组成部分，设备布局是否合理对整个制造系统的总体功效起着非常重要的影响。粒子群优化算法（PSO）是一种新的群智能优化算法，常用于求解连续空间极值问题，近来正逐渐进入组合优化领域。利用多雏实数编码及映射方法将连续PSO算法应用于求解设备环形布局问题，为此类离散优化问题的求解提供了一种新的思路。利用GA中的杂交策略扩展PSO算法，提高了PSO算法性能。通过实例计算和结果比较，说明了该算法能有效地求得设备环形布局问题的优化解，是一种行之有效地算法，有很好的实用价值。