面向产品配置设计的改进交互式遗传算法

针对传统的交互式遗传算法不能很好地减少用户疲劳的问题，对其进行了优化。通过对变异个体和遗传操作的改进设计，对其进行了优化，并将其应用到多功能液压千斤顶的配置设计中。将所得到的产品配置结果与传统交互式遗传算法的结果进行比较，发现新的交互式遗传算法不仅可以有效地减少用户疲劳，还可以更快地配置出令用户满意的产品。     

基于遗传算法的液压机上梁交互式结构优化

很多结构优化问题的数学模型并不存在或难以求解,传统优化方法难以对这类问题进行准确寻优,需要使用交互式结构优化方法。针对基本遗传算法的缺陷,提出了一种改进型遗传算法。以700T铸造式液压机上梁(简称上梁)为例,建立结构优化模型和遗传算法模型。以上梁的最大变形和最大等效应力为约束条件,以重量为目标函数,基于有限元法和改进遗传算法对上梁进行了交互式结构优化设计。优化结果使上梁变形基本保持不变,最大等效应力降低5.87%,同时使上梁减重12.09%。     

基于进化思想的汽车造型优化设计方法研究

结合遗传算法等工程方法和交互式评价等设计方法,提出一种整合了工程方法和造型方法的汽车造型优化设计方法。方法整体以进化思想为指导,首先将汽车造型设计问题映射到数学模型上,利用遗传算法生成新设计方案,并以多目标设计空间来约束生成的设计方案,再以目标车型的造型意象为标杆,采用交互式评价方式评价输出的设计方案,并将评价结果作为适应度代入遗传算法中继续迭代直至设计方案符合设计的迭代终止条件,最终形成一个综合解决多方问题的汽车造型多目标优化设计方法。以某小型两厢车车型为例,初步证明了该方法的合理性和可行性。该方法可以推广到汽车造型多目标优化概念辅助生成和汽车造型评价等领域。     

基于正交-交互式遗传算法的产品造型设计

为提高概念设计的效率,提出一种基于正交-交互式遗传算法的产品造型设计方法.在获取、表征造型特征的基础上,采用正交分析来精简遗传种群空间,提高收敛速度;同时,以共识满意度作为适应度函数,优化评价机制,达到减小主观评价误差的目的.另外,可视化的界面有利于特征偏好选取,减轻用户交互的心理负担.实例研究表明,与普通交互式遗传算法相比,正交-交互式遗传算法能以较少的交互代数达到较高的适应值,具有更好的可行性和实用性.     

面向隐性目标的产品造型交互式进化设计

交互式遗传算法(Interactive Genetic Algorilhm,IGA)作为一种人机协同进化优化算法,能有效解决难以数量化、结构化的隐性目标决策问题,但由于隐性目标具有较强的模糊性,易导致用户产生认知模糊。首先,将交互式进化设计中用户认知模糊解构为决策初始认知模糊与决策过程认知模糊;其次,构建"文本-情景-符号"空间映射策略缓解决策初始认知模糊,构建方案聚类策略缓解决策过程认知模糊;然后,以花瓶轮廓为例,结合所提设计策略和交互式遗传算法,采用MATLAB软件开发了面向隐性目标的产品造型交互式进化设计系统;最后,验证了所提设计策略在解决交互式进化设计过程中用户认知模糊的有效性。     

基于工件变形控制的铣削参数优化方法研究

提出了一种基于工件变形控制的铣削参数优化方法——耦合神经网络与遗传算法,该方法充分利用了试验设计技术、神经网络与遗传算法的优点。采用均匀试验设计表设计试验方案,基于试验数据建立了工件变形预测的神经网络预测模型,用该预测模型与解析式表示的金属切除率来构建优化数学模型,并用遗传算法进行优化。对优化后的结果进行了试验验证,结果表明采用优化后的参数进行加工能明显减小工件变形,说明耦合神经网络与遗传算法的优化方法是行之有效的。     

基于遗传算法的叶片可视化优化设计及性能预测

该文采用面向对象的编程技术,通过调用OpenGL函数,用VC＋＋语言编制了液力变矩器工作轮循环圆和叶片的交互式集成可视化设计程序,构建了叶片形状设计的数学模型及性能评价模型。基于遗传算法进行了以最高效率和高效区范围为优化目标的叶栅系统优化计算和分析,绘制性能曲线,并利用Ansys—CFX软件,对优化前后的结果进行了三维流场分析。通过实例验证表明,优化设计的结果是合理的。     

基于BP网络和Pareto遗传算法的多目标协同优化

多学科设计优化（MDO）问题往往是多目标的。Pareto遗传算法（PGA）所求得的Pareto最优解集为设计决策提供了很大方便。针对在CO的计算构架中直接使用PGA会导致计算量过大的问题，提出基于BP神经网络和pareto遗传算法的多目标协同优化方法。采用试验设计方法选择设计点，构造具有全局近似能力的各学科优化神经网络响应面，进而采用PGA进行系统层优化问题的多目标寻优。用上述方法对某型干线客机进行总体多目标优化。与直接采用PGA求解MDF单级多目标优化模型所得的计算结果对比表明，所提出的方法能有效近似该问题的Pareto最优前沿．、     

混合遗传算法进行离心叶轮优化设计

利用自适应交叉遗传算法和生物生长算法的特点，提出一种新的优化方法——混合生物生长自适应交叉遗传算法。该方法既充分利用了遗传算法全局寻优和生物生长法快速收敛的优点，又弥补了遗传算法收敛速度过慢和生物生长法过分依赖结构初始形状的不足。为了验证优化方法的正确性和合理性，对某三维离心叶轮进行优化设计，结果表明，混合算法较单纯采用遗传算法收敛速度快，且可得到形状优化最优解。     

离心压缩机叶轮的形状优化设计

提出一种新的优化方法离心叶轮的形状优化问题，即在遗传算法中加入自适应算子调节个体变异概率，来保证搜索的全局性和种群的多样性。并在寻优过程中加入生物生长来加快其寻优速度。最后，采用遗传算法和改进的遗传算法－生物生长法两种方法，对叶轮进行优化设计。计算结果表明改进的遗传算法－生物生长法，在较少的优化时间得到最优解。     

基于MATLAB与C#混合编程的遗传算法优化设计斜齿轮

本文介绍了一种实现MATLAB与C#混合编程的方法,以及MATLAB与C#混合编程在斜齿轮优化设计中的应用。主要包括了两个方面的内容:MATLAB与C#混合编程的实现,以及运用遗传算法来优化设计斜齿轮。体现了MATLAB与C#混合编程的特点以及遗传算法在斜齿轮优化设计中的优点。     

遗传算法用于齿轮传动离散优化设计

通过对齿轮传动中心距和体积优化的分析 ,讨论了遗传算法用于齿轮传动离散优化问题 ,构造了齿轮传动的遗传基因离散优化算法。实例计算证明了算法的有效性和正确性 ,对遗传算法在齿轮传动优化及其它相关问题中的应用具有积极意义     

基于遗传算法的齿轮传动模糊优化设计

提出了一种基于模糊集理论和遗传算法理论的齿轮传动多目标优化设计方法,对模糊优化模型的建立及求解、隶属函数的确定等进行了探讨,对遗传算法做了简要介绍并对一实例进行了计算。结果表明:将遗传算法应用于齿轮传动的模糊优化设计中能够取得很好的设计结果。     

基于遗传算法的低噪声齿轮传动设计

用遗传算法进行了低噪声齿轮传动参数的优化设计,目标函数为啮合传动的冲击速度加权函数,约束函数为齿轮传动设计中的常用约束条件,数值计算结果与已有结果比较表明新方法可行。     

混合离散变量的遗传算法及其应用

目前 ,连续变量优化设计的遗传算法已经很成熟 ,但对离散变量的遗传算法研究甚少 ,而且所提出算法也较繁琐。本文提出一种使用方便的混合离散变量优化设计的遗传算法 ,通过求解齿轮减速器优化问题表明该算法的可行性和实用性     

基于交货期的流水线车间调度算法设计与实现

这里提出了在流水线调度时可以利用遗传算法计算出工件的最短通过时间，但同时应考虑交货期的影响、设备的负荷率和员工加班等问题。在设计过程中，根据实际，改进常规遗传算法，设计出一种基于交货期的遗传算法，可以很快的收索到最优个体。实例证明了其可行性。     

Multi-objective optimization and evaluation method of modular product configuration design scheme

Product configuration is one of the key technologies for mass customization. Traditional product configuration optimization targets are mostly single. In this paper, an approach based on multi-objective genetic optimization algorithm and fuzzy-based select mechanism is proposed to solve the multi-objective configuration optimization problem. Firstly, the multi-objective optimization mathematical model of product configuration is constructed, the objective functions are performance, cost, and time. Then, a method based on improved non-dominated sorting genetic algorithm (NSGA-II) is proposed to solve the configuration design optimization problem. As a result, the Pareto-optimal set is acquired by NSGA-II. Due to the imprecise nature of human decision, a fuzzy-based configuration scheme evaluation and select mechanism is proposed consequently, which helps extract the best compromise solution from the Pareto-optimal set. The proposed multi-objective genetic algorithm is compared with two other established multi-objective optimization algorithms, and the results reveal that the proposed genetic algorithm outperforms the others in terms of product configuration optimization problem. At last, an example of air compressor multi-objective configuration optimization is used to demonstrate the feasibility and validity of the proposed method.     

基于物理规划的变幅机构水平位移补偿系统的多目标优化设计

综合考虑补偿滑轮组变幅机构载重水平轨迹落差和不平衡力矩多目标问题,引入物理规划法,该方法是一种高效的多目标优化设计方法,考虑到了设计者的偏好和满意度,建立了基于物理规划的补偿滑轮组变幅机构优化模型,克服了传统补偿滑轮组基于单目标优化选取的不足。实例分析表明,该方法不仅可提高设计质量,而且更能反映设计者和用户的需求,可为补偿滑轮组变幅机构及其他机构产品的设计提供一种新的途径。     

高重合度圆柱齿轮传动多目标优化设计

以重合度最大、体积最小、弯曲强度相等为目标函数,建立了圆柱齿轮传动多目标优化设计数学模型,采用带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行优化求解。对高速重载斜齿圆柱齿轮传动进行了高重合度优化设计,得到了Parteto最优解,并从中选择了一个优化方案与原始方案进行对比,结果显示高重合度圆柱齿轮传动的强度有明显提高,体积也有一定的减小。     

Multiobjective optimization of three-stage spur gear reduction units using interactive physical programming

The preliminary design optimization of multi-stage spur gear reduction units has been a subject of considerable interest, since many high-performance power transmission applications (e.g., automotive and aerospace) require high-performance gear reduction units. There are multiple objectives in the optimal design of multi-stage spur gear reduction unit, such as minimizing the volume and maximizing the surface fatigue life. It is reasonable to formulate the design of spur gear reduction unit as a multi-objective optimization problem, and find an appropriate approach to solve it. In this paper an interactive physical programming approach is developed to place physical programming into an interactive framework in a natural way. Class functions, which are used to represent the designer’s preferences on design objectives, are fixed during the interactive physical programming procedure. After a Pareto solution is generated, a preference offset is added into the class function of each objective based on whether the designer would like to improve this objective or sacrifice the objective so as to improve other objectives. The preference offsets are adjusted during the interactive physical programming procedure, and an optimal solution that satisfies the designer’s preferences is supposed to be obtained by the end of the procedure. An optimization problem of three-stage spur gear reduction unit is given to illustrate the effectiveness of the proposed approach.