基于遗传算法的平面直线度误差的精确计算

提出一种基于遗传算法的平面直线度计算方法,该方法计算原理简单,借助于计算机技术,可以较容易地实现计算精度要求较高时的直线度误差计算。文章首先给出问题的计算模型。接着介绍了在遗传算法实现中的关键技术,包括染色体个体的表达、初始群体的产生方式、适应度函数、遗传算子(选择、交叉和变异等)的确定、遗传运算的停止准则等。最后应用实例对算法进行了验证计算和分析,结果表明,所设计的基于遗传算法的平面度误差计算方法可以实现平面直线度的精确计算。     

基于遗传算法和分割逼近法精确计算复杂曲面轮廓度误差

在超精密复杂零件加工与检测技术中,高精度轮廓度误差的评估方法一直是一个研究重点。在分析研究现状基础上,阐明精确计算复杂曲面轮廓度误差需要解决的关键问题,阐述复杂曲面轮廓度误差定义,建立复杂曲面轮廓度误差的数学模型。在分析基于NURBS描述复杂曲面特点基础上,提出分割逼近法计算测点到曲面的最小距离快速简便算法。分析传统遗传算法存在计算精度与编码长度、计算工作量之间的矛盾,提出改进型归一化实数编码的遗传算法,建立相应的交叉算子和变异算子,确立分割逼近法和归一化实数值编码遗传算法相结合计算复杂曲面轮廓度误差的具体步骤。该算法易于计算机实现,且计算精确度高,可以达到任意给定的精度,非常适用于三坐标测量机。     

改进差分进化算法在大型工件平面度评定中的应用

生产线上检测大型复杂工件平面度误差时,存在检测面积较大、数据量较多的问题,为了提高检测效率及精度,采用优化算法提高其平面度误差评定速度。提出将差分进化(DE)算法应用在其平面度误差的评定中,并提出将粒子群(PSO)算法的优化方法融入差分进化算法的框架,改进变异操作以提高标准DE算法的收敛速度。介绍了大型工件平面度误差评定采用最小区域法的数学模型,阐述了改进的DE算法的原理和实现步骤,最后以叉车外壁板为例,通过对外壁板平面度误差的评定以验证算法的收敛速度与精度。结果表明,改进的DE算法在大型工件平面度误差评定中收敛结果稳定,误差接近于0;精度较遗传算法提高36.83%;收敛速度较遗传算法提高58.33%,较标准的DE算法提高28.57%。可以很好地应用在大型工件平面度误差检测中,提高检测效率。     

基于模拟退火遗传算法的自动化立体仓库路径优化

为提高自动化立体仓库出入库操作的效率,提出了将遗传算法和模拟退火算法相结合的路径优化策略,遗传算法的每个染色体都代表一组货单组合,遗传操作包括选择、交叉、变异3种类型。为获得适应度函数,建立了货位分配优化的目标函数,并在适应度函数中融入模拟退火算法,以提高遗传算法的收敛速度。仿真和工程应用结果均表明,该方法能大大缩短堆垛机的运行时间,提高自动化立体仓库的使用效率。     

改进遗传算法及其在齿轮传动优化设计中的应用

针对标准遗传算法(SGA)的随机性大、收敛速度慢等缺点,提出一种通用的改进遗传算法,引入局部补差算子,有效地提高了算法的收敛效率。建立了基于模糊因子函数的适应度函数,使对个体的评价更具有合理性。通过对交叉、变异概率的动态调整,克服了SGA未成熟收敛的弊端。将模拟退火算法与现行终止条件结合,形成了模拟退火收敛准则,极大地改善了SGA的局部搜索能力。据此编制计算程序,将其应用于多约束、多变量、复杂非线性的各类齿轮传动优化设计中,均得到了更好的结果。     

基于实数编码遗传算法的平面度评定

将基于实数编码的遗传算法应用于平面度的评定.根据尺寸和公差的数学定义,建立完全符合最小区域条件的平面度评定的数学模型,并在此基础上给出遗传算法的适应度函数.随后详细地介绍了算法的实现步骤,在基于实数编码的基础上,遗传选择操作采用一种正比选择策略--转轮法,遗传交叉操作采用简单算术交叉法,而遗传变异操作是随机均匀实数变异操作.最后对文献[5]的实验数据进行了评定,仿真结果表明该算法不仅合理,而且效率高、精度高,优于其它算法.     

改进教与学算法在圆度误差评定中的应用

为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进教与学算法的圆度误差评定方法。首先,通过圆度误差最小区域原则的数学模型,建立算法的目标函数。其次,在标准教与学算法的基础上,设计了两阶段爬山搜索策略增强局部开发能力,进一步提高算法精度和收敛速度。最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法,遗传算法,粒子群算法等进行对比。实例表明,改进教与学算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了其优越性。     

基于混合遗传算法的车间调度问题研究

利用遗传算法(GA)和模拟退火算法(SA)求解该问题近优解的有效性和实用性,提出一种实现车间调度的混合遗传算法(GASA),给出了一个新的编码方法,并建立了相应编码的解码规则.对初始温度的确定方法和获得适应度函数的方法进行了探讨.基于LA16调度问题,分别利用该方法和单纯遗传算法及模拟退火算法进行了模拟仿真计算,计算结果表明该混合算法克服了单纯遗传算法和模拟退火算法在车间调度优化方面的不足,具有较高的鲁棒性.     

改进蜂群算法在平面度误差评定中的应用

为了准确快速评定平面度误差,提出将改进人工蜂群( MABC)算法用于平面度误差最小区域的评定.介绍了评定平面度误差的最小包容区域法及判别准则,并给出符合最小区域条件的平面度误差评定数学模型.叙述了MABC算法,该算法在基本人工蜂群算法( ABC)模型的基础上引入两个牵引蜂和禁忌搜索策略.阐述了算法的实现步骤,通过分析选用两个经典测试函数验证了MABC算法的有效性.最后,应用MABC算法对平面度误差进行评定,其计算结果符合最小条件.对一组测量数据的评定显示,MABC算法经过0.436 s可找到最优平面,比ABC算法节省0.411 s,其计算结果比最小二乘法和遗传算法的评定结果分别小18.03μm和6.13 μm.对由三坐标机测得的5组实例同样显示,MABC算法的计算精度比遗传算法和粒子群算法更有优势,最大相差0.9 μm.实验结果表明,MABC算法在优化效率、求解质量和稳定性上优于ABC算法,计算精度优于最小二乘法、遗传算法和粒子群算法,适用于形位误差测量仪器及三坐标测量机.     

基于改进自适应遗传算法的点焊机器人TSP路径规划

基于TSP问题建立焊点路径数学模型。同时为改善遗传算法自身收敛速度慢问题,采取适应度计算评估、适应度比例选择步骤;为了提高计算速度与避免局部最优缺陷,采用自适应交叉、变异算子,以及加入进化逆转步骤操作来提升算法全局计算和搜索能力。最后利用RobotStuidio仿真软件建立点焊工艺加工站,进一步检验算法在实际编程中的应用。     

基于遗传算法的塔式起重机起重臂优化设计

介绍了塔式起重机起重臂优化设计的数学模型以及起重臂有限元模型的建立,论述了通过遗传算法结合ansys有限元分析软件进行起重臂优化设计的方法,结合模拟退火算法思想,对遗传算法作了改进,以保证其全局收敛。最后通过计算实例表明该方法高效可行,优化结果可直接作为工程设计的参考。     

基于混合遗传算法的齿轮传动优化设计

以体积最小为目标函数,建立了齿轮传动优化设计数学模型,并用外部惩罚函数法将该问题转化为无约束优化问题。针对遗传算法的局限性,采用整数编码和实数编码结合的混合编码,并调整了适应函数,采用随机多父辈适应函数值加权交叉和自适应变异操作,结合了模拟退火算法,给出了初温的确定方法,从而形成了混合遗传算法。该算法能够有效地减少不可行解的产生,提高收敛速度,避免早熟收敛。算例说明,该优化方法有效、实用。     

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。     

基于免疫遗传算法的车间调度问题的研究

根据生命科学中免疫系统的信息处理机制,在一般遗传算法的基础上,将免疫计算和改进的遗传算法(预防近亲结合的多重交叉策略)相结合,建立了一种用于车间调度的免疫遗传算法,通过接种疫苗提高抗体的适应度,通过免疫选择防止种群的退化。针对作业车间调度问题,设计了免疫遗传计算中疫苗的提取和接种方法,即基于加工机器的基因片断抽取疫苗方法和接种方法。通过作业车间调度十个典型标准问题验证,文中所述免疫遗传算法可行,较现有免疫算法、一般遗传算法及一些传统优化设计方法在收敛效率和准确性等方面有很大改进与提高。     

复杂机械产品优化设计实现方法研究

模拟退火算法以随机搜索为基础，以温度足够高为条件，因此收敛速度极为缓慢。为了适应复杂机械产品优化设计，提出一种修正的单纯形法，并用来改进模拟退火算法。该方法既继承了模拟退火方法能避开陷入局部最优的优点，又能搜索到较理想的下降方向，提高了算法的收敛速度。同时提出优化设计的信息模型，构造优化设计的网络关系图，实现了该算法，并成功地应用于抽油机最优化设计。     

平面度误差评定的快速精确算法研究

根据最小二乘法、基于遗传算法的平面度误差评定方法以及最小包容区域法的算法特点,提出一种可以快速、精确评定平面度误差的算法。该算法解决了初始参数寻优范围大,影响计算效率的问题,是一种可兼顾计算速度与精确性的平面度误差评定方法。     

基于新型蚂蚁算法的传动方案优化设计研究

针对复杂机械产品传动方案的优化设计问题,提出了一种融合模拟退火算法的新型蚂蚁算法.该算法改进了蚂蚁算法中信息素的初值设置和信息素更新模型,探讨了新型蚂蚁算法的融合思想和设计依据,建立了基于新型蚂蚁算法的传动方案的优化设计过程模型.该方法能尽快搜索到较理想的下降方向,提高了蚂蚁算法的收敛速度,同时克服了模拟退火算法要求初始温度足够高,收敛速度缓慢的缺陷.具体应用表明了该方法是可行的.     

矩形件优化排样的自适应遗传模拟退火算法

针对理论上属于NP完全问题的矩形件优化排样问题,提出了一种基于小生境技术的自适应遗传模拟退火算法。研究了将矩形件在板材上的排列方式转换为特定编码的方法,利用遗传模拟退火算法进行全局优化概率搜索,考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应的交叉概率和变异概率,并通过小生境技术对子辈个体是否替换父辈个体加以控制,最终得到矩形件排样的最优次序和排放方式,采用最低水平线策略的启发式排样算法实现自动排样。排样实例表明,该优化排样算法行之有效,具有广泛的适应性。     

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.     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。