Pareto多目标遗传算法及其在机械健壮设计中的应用

在机械或结构的优化设计中 ,普遍存在约束的作用 ,且最优解往往位于可行域的边界上。由于外界环境的变化或人为因素造成设计变量扰动 ,可能使设计成为不可行。本文提出了一种的基于设计变量敏感性的健壮性设计方法 ,并提出了一种用 Pareto遗传算法来实施的带约束的多目标优化方法以求解健壮性问题。 Pareto遗传算法可得到 Pareto最优解集 ,从中可选出满足设计需要的解。本文提出的算法包括 5个基本算子 :选择、变异、交叉、小生境技术、Pareto集合过滤器。文中用算例说明该方法的应用     

基于Pareto遗传算法的高速插秧机变速器优化设计

以某高速插秧机变速器的优化设计为例,将Pareto最优解概念和遗传算法相结合,在遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器等技术,并针对设计变量都是离散变量的特点,采用先将生成的随机数变换到约束范围后再圆整到最近离散值的方法,构造了适用于求解多目标优化问题的Pa-reto遗传算法,运用该算法获得了变速器在体积最小、中心距最小和总重合度最大目标下的Pareto最优解集。结果表明,采用Pareto遗传算法优化设计的变速器达到了综合优化设计的效果。     

基于小生境粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间调度中的多目标优化问题,提出一种将小生境技术和粒子群算法相结合求最优解的优化方法。构建了满足约束条件的多目标优化模型,采用分段排列编码的方式表示染色体,利用粒子群算法获得存储非劣解的外部存档,基于小生境技术计算粒子的删除概率对其进行更新,保证了解的精度和多样性。为从Pareto最优解集中选出一个最满意解,提出一种总体价值估计选取方法。通过试验验证了该方法的有效性。     

基于Pareto解集的多目标优化方法及其应用

针对传统多目标优化设计方法的弱点,基于Pareto概念,借助遗传算法所具有的并行搜索特性,引入群体排序技术、小生境技术求得多目标优化问题的Pareto解集,实现了先寻优后决策的求解模式。实际工程算例表明,该模式可同时获得多个Pareto最优解,据此决策能有效弱化设计人员先验知识不足的影响,因而较传统多目标优化方法更为实用有效。     

基于多色集合理论的箱体类零件可重构生产线多目标优化算法

针对箱体类零件的可重构生产线平衡问题,提出一种基于多色集合理论的机加工线平衡优化求解方法,综合考虑机加工过程中的工艺、工位约束信息,将各约束分为三类,运用多色集合理论为各类约束快速构建直观的约束模型,并为模型求解设计了以生产节拍、机床投入、机床利用率为优化目标的启发式算法,该方法使问题求解过程中无需检验即可获取满足所有约束的解方案,较大地提高了运算效率,采用Pareto最优解集的方式筛选方案,获取具备增产能力的最优方案集,通过复杂实例验证了该方法的有效性和快速性。     

基于过滤器技术的约束粒子群优化算法

工程设计中处理约束优化常采用罚函数法,但其优化结果敏感于惩罚因子,针对特定的实际问题往往需要多次试验以得到合适的罚因子取值。为了避免反复的参数选取测试过程,将过滤器约束处理机制和粒子群优化(Particle swarm optimization,PSO)相结合用于求解约束优化问题。过滤器方法基于多目标规划中的支配思想,以一组互不支配点所对应的目标值与违背度对构成过滤器,利用其处理约束可以避免使用罚函数。基于过滤器的约束PSO算法在粒子进化过程中,对各粒子历史最优解和粒子群历史最优解分别构造滤器,并依据可行性优先的粒子比较准则从对应的过滤器中选择最优解从而实现粒子的更新。然后,利用工程优化设计标准算例和翼型优化设计实例,将过滤器PSO算法和罚函数PSO算法、遗传算法进行比较研究,结果表明过滤器PSO算法能够获得较好的约束优化设计结果,是求解约束优化问题的一种有效方法。     

多背包问题求解及其在网络化制造中的应用

给出了多背包问题及其数学描述;讨论了网络化制造中的最优制造伙伴选择问题,将其归结为一种复杂的多目标、多选择、多约束背包问题并提出了一种并行多目标妥协遗传算法进行求解;算法采用基于排列的编码方式,由多个种群独立进化并定期交换最佳个体,而适应度计算采用自适应权重方法及基于距离度量的妥协方法,通过基于小生境技术的适应度共享保持种族多样性,最终求得决策者可接受的妥协解.     

基于多色集合约束模型的车间层印刷电路板组装优化

针对多组装设备、多组装任务的车间层印刷电路板（PCB）组装优化问题，提出了一种将多色集合与遗传算法（GA）相结合的新的优化方法。基于多色集合理论，用数值围道矩阵描述了复杂PCB组装工艺流程中组装优化问题的设备资源约束和工艺约束，建立了PCB组装的优化约束模型。约束模型使得遗传算法始终在有效解空间中进行搜索，不仅简化了GA适应度值的计算，还可通过约束模型的简单修改，动态描述受设备故障和组装任务变化等因素影响的车间层组装优化问题。实例计算结果表明，该方法能显著提高车间层PCB组装优化问题的求解效率，实现车间层PCB组装的动态优化。     

基于均匀设计和NN-GA的CAD模型多目标直接优化方法

提出了一种基于试验数据的多目标直接优化方法,该方法采用均匀设计原理安排试验方案,利用三维CAD模型的参数化驱动特点,完成虚拟试验过程和数据获取,以试验数据为训练样本,建立了CAD模型参数与目标之间的非线性映射关系的神经网络模型,运用Pareto遗传进化算法和小生境技术对CAD模型进行多目标参数优化,可在指定区域内找出CAD模型的Pareto最优解集。     

K-S函数在多目标优化中的应用

提出了一种将约束优化问题转化成无约束优化问题的新技术 ,并在此基础上提出了一种新的多目标优化算法 K- S法。该算法通过 Kreisselm erier- Steinhauser函数构造出标准化目标函数、行为约束函数的包线 ,通过求包线的无约束极值而求解出原多目标优化问题的解。该蒜法无需取加权因子 ,也无需对种目标函数进行分离优化 ,并且设计初始点选择不受限制。本文最后给出了一个典型的多目标优化算例 ,结果令人满意     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型.提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略.实例仿真表明该算法具有比其他遗传算法更高的求解质量.     

多目标柔性作业车间调度优化研究

提出了一种集成权重系数变化法和小生境技术的混合遗传算法,建立了包括时间、成本、交货期满意度和设备利用率在内的多目标优化模型。采用基于工序的编码方式和“间隙挤压法”活动化解码方法;遗传算子包括选择、交叉、变异3种类型;选择操作采用轮盘赌选择方式。为了保证解的收敛性和多样性,采用了精英保留策略和小生境技术。交叉操作采用线性次序交叉方式;变异操作采用互换操作变异方法。染色体的适应度是各个目标函数的随机加权和。仿真实验证明,提出的混合遗传算法可以有效解决柔性作业车间多目标调度优化问题。     

基于遗传算法的普通V带传动的优化设计

在普通V带传动设计中，大多采用传统设计方法，存在计算精度低，难于找到最优解等问题。本文提出将遗传算法应用于普通V带传动的优化设计过程，以最小带轮体积为优化目标函数进行优化设计。计算实例表明，在满足传动承载能力的前提下，可有效减小带轮体积。此方法可应用于同类零件的优化过程。     

大动态范围PGA电路的设计与实现

本文通过理论分析与实验研究，介绍了一个大动态范围ＰＧＡ电路的设计与实现过程，并从理论和实践上证明：大动态范围ＰＧＡ电路是压缩大动态模拟信号动态范围并可提高信号检测精度的一种行之有效的技术方案。     

博弈决策分析在补偿滑轮组变幅机构多目标设计中的应用

综合考虑补偿滑轮组变幅机构稳定性和经济性等多目标设计要求,提出一种基于博弈分析思想的求解方法,将多目标设计问题转化为博弈决策问题,采用影响因了指标及模糊聚类方法将整体设计变量集合分解为各博弈方拥有的战略集,建立多目标问题博弈分析的技术路线和计算步骤。具体算例的双目标博弈和三目标博弈分析结果显示,相对于多目标优化方法,博弈分析中解的收敛速度快,具有更好的健壮性。     

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。     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型。提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略。实例仿真表明该算法具有比其他遗传算法更高的求解质量。

     

齿轮减速器的多目标可靠性优化设计

提出一种以可靠度为目标函数和约束条件的多目标齿轮减速器优化设计方法。将可靠性引入齿轮减速器的确定性优化,考虑可靠度为设计目标和设计约束,并将小齿轮齿数作为离散确定性设计变量,进而构造出具有离散变量的多目标可靠性优化设计模型。提出在分支界定算法中嵌套遗传算法构造该优化问题的求解算法。该算法利用分支界定算法的遍历性和遗传算法的全局性,以获得优化问题的全局性解。最后,分别给出齿轮减速器的连续变量确定性解和可靠性解、混合变量确定性解和可靠性解,用以验证方法的有效性。     

基于多目标优化的扁挤压筒结构设计

在组合式扁挤压筒的结构尺寸设计中，为确保挤压筒最佳工作性能的同时，最大程度地减少过盈装配后内腔产生的变形，提出了多目标优化的概念。结合有限元模拟技术和BP神经网络方法，建立了变过盈量下三层组合式扁挤压筒结构尺寸与各层等效应力分布、内腔位移之间的非线性映射模型，采用多目标遗传算法对其进行优化。优化时，采用了向量评价法、最佳个体保存策略和小生境技术，得到了均匀分布的Pareto最优解，根据定义的满意度函数，选出了最终的满意解。结果表明，在该满意解下，扁挤压筒既实现了等强度设计，又保证了内腔的尺寸精度。     

一种关节手指的仿生模拟与优化设计

以再现手指握拳的动作姿态和运动轨迹为主要目标，探讨了一种带关节仿生手指的优化设计。重点讨论了手指运动矩阵的建立，预期目标的采集，仿生手指的结构模拟，确定优化目标与约束函数，求数字模型的逼近解等问题。基设计计算结果与预期目标比较具有较高的逼真效果，为从“微型“到“放大型“手指的系列设计提供了优化方法。