基于遗传算法及MATLAB的V带传动优化设计

采用传统的设计方法,存在计算精度低、难以找到最优解等问题,本文在满足传动能力要求的前提下,以带轮体积最小为优化目标,建立了V带传动的优化设计数学模型,运用基于遗传算法及MATLAB工具箱进行V带优化设计,由于遗传算法具有全局搜索的能力,进行启发式搜索和精度均较高,因此在得到具有可靠的全局最优解的V带传动结构的同时.使求解过程得到简化,提高了设计效率..     

基于多目标遗传算法的直升机总体参数优化设计

应用多目标优化问题中Pareto最优解集的概念,提出了一种基于多目标遗传算法的直升机总体参数优化设计方法。算法引入了个体的序和密度的概念,改进了变异操作算子,使用精英策略,确保能够搜索到具有较高贴近性、均匀性和完整性的Pareto解集。以UH-1H直升机为优化算例的计算结果表明:多目标遗传算法适用于解决多目标优化问题,能够改善Pareto解的质量和均匀性分布。     

基于多目标候鸟算法的车间布局研究

针对因车间布局不合理导致的设备之间物流混乱、效率低下等问题,通过优化数学模型及采用基于多目标的改进候鸟算法可有效地解决此问题.在经典候鸟算法的基础上,优化了编码解码过程,引入修复优化算子处理不可行解,同时改进了种群更新方式,增强了算法全局搜索以及局部搜索的能力,并将所有非支配解进行排序,以得到最优方案.试验结果表明,基...     

带模糊预约时间的车辆路径问题的多目标禁忌搜索算法

为优化具有模糊预约时间的车辆路径问题,应用模糊事件给出了车队服务满意度的一个新的度量方法和求最大满意度的计算方法.建立了多目标数学规划模型,并提出多目标禁忌搜索算法求解Pareto最优解.采用随机车辆配载方法生成初始解放入候选解池中,提出插人可行邻域和2-Opt可行邻域进行邻域搜索.对池中的Pareto解进行并行的禁忌搜索得到局部Pareto解再注人池中,最后求得一组Pareto解.通过Solomon的benchmark算例,与非支配排序遗传算法Ⅱ进行对比实验,说明了所提算法的优越性.     

基于协同量子粒子群的自动配煤系统优化

提出了一种基于量子粒子群算法的自动配煤优化方法,该方法首先对量子粒子群进行了改进,引入协同与学习策略提高了算法的搜索性能。在对自动配煤系统数学建模时,采用加权法将其由多目标优化问题转化为单目标优化问题,再通过协同量子粒子群优化求解。实验结果表明在对自动配煤系统的优化中,协同量子粒子群具有更优秀的搜索能力,能够快速、可靠、有效地获得最优解。     

基于改进禁忌搜索算法的单机成组作业调度

提出了单机作业调度的改进禁忌搜索算法。以总流程时间最短为优化目标的具有作业分类与机器设置时间的单机成组作业高度问题是NP难问题,此问题的多项式求解方法不能保证求取最优解。基于改进禁忌搜索算法,建立了具有提交时间与分类设置时间的单机成组作业调度模型,可搜索到该问题的最优解。仿真实验表明,改进禁忌搜索算法能够搜索到最优解,其性能优于WSPT启发式算法,并且运行时间短,可应用于大规模调度问题。     

基于改进遗传算法的矩形件下料优化方法研究

为提高制造过程中钢材的利用率,针对矩形零件的排样下料问题,提出了一种采用混合遗传算子的遗传算法与最低水平线搜索算法相结合的优化方法。该方法以原材料利用率最大为目标,建立了钢构矩形件下料优化数学模型,并利用遗传算法在所得到的解空间中进行全局优化概率搜索,获得矩形件的排放序列,并采用最低水平线法对其进行自动排样以得到最优排布解,最后经过实例验证该方法的可行性。     

基于遗传算法的机械零部件可靠性优化设计

以发动机气门弹簧为例,考虑设计参数的离散性,建立了以部件可靠度为目标函数的数学模型,确定了设计变量、目标函数及约束条件,使用遗传算法通过选择、交叉和变异等操作使种群逐代进化,同时以全局并行搜索来优化群体,利用遗传算法进行优化运算并得到了全局最优解.设计结果表明:使用遗传算法可以有效地解决非线性和离散性的优化设计问题,能够得到全局最优解,既可保证优化结果,又提高了优化效率;该优化方法合理有效,能够解决非线性约束条件下的优化问题,是对现代机械可靠性优化方法的丰富,可广泛应用于机械零部件的优化设计.     

基于改进禁忌搜索的多目标自动化仓库调度

针对产品质量和路径的多目标自动化立体仓库调度优化问题,为平衡解的收敛性和多样性,提出一种改进的多目标禁忌搜索算法.该算法的改进在于,一方面为Pareto解空间构造可行的初始解,改造了禁忌搜索的邻域结构;另一方面采用惩罚策略,使搜索能够跳出局部最优.面向出入自动化立体仓库的产品在时间上有特定要求的工业生产过程,建立了兼顾质量和路径的多目标优化模型,并运用改进的多目标禁忌搜索算法对其实现了调度优化求解.实例仿真表明,所提算法对仓库调度优化问题在解的质量及求解效率上都取得了较好的效果.     

基于禁忌搜索算法的电磁场逆问题鲁棒优化设计

为了综合分析优化解的性能,讨论了参数不确定条件下电磁场逆问题的鲁棒优化性。分析了鲁棒优化设计方法,研究了鲁棒期望适值函数关键参数的估计方法。以寻求鲁棒最优解为目标,应用改进的禁忌算法,基于鲁棒性能期望适值函数,求解了典型数学问题和工程设计问题。通过计算比较叠加扰动最优解条件下的目标函数值偏差,其结果表明,该研究算法能够快速有效地搜索到鲁棒最优解。     

基于物理规划的多学科多目标设计优化

针对复杂产品多学科多目标设计优化存在的耦合严重、计算效率低、难以获得体现设计者偏好的最优解等问题,提出了基于物理规划和改进的协同优化策略的多学科多目标设计优化方法,阐述了该方法的基本思想并给出了设计优化流程.该方法密切结合实际工程设计经验,将多目标优化问题转换为反映设计者偏好的综合目标优化问题,采用改进的协同优化策略建立多层次的优化模型进行并行优化,得到了反映设计者偏好的最优解.以飞机起落架缓冲器为例,证明了该方法可以较好地求解多目标优化问题的折中非裂解.     

萤火虫群优化算法在公差分配优化的应用

萤火虫群优化算法是一种新颖的群体智能优化算法,目前在优化领域中的应用比较少。分析了萤火虫算法的仿生原理和数学模型。提出了基于萤火虫群优化算法的公差分配优化方法。以公差分配的优化目标函数作为评价函数。在基本GSO算法的基础上,使用罚函数,把它加到目标函数中,不断地寻找更优可行解,逐渐达到搜索全局最优解。通过一个具体实例测试,并将萤火虫算法和微粒群算法相比较,仿真实验结果表明萤火虫群优化算法在公差分配优化问题中有效可行,且具有较高的计算效率。     

一种改进的基于互信息和梯度特征的图像配准方法的研究

基于互信息的配准方法广泛应用于医学图像的配准，但当两幅待匹配图像重叠部分较少或图像包含的信息不够充分时，配准目标函数会出现较多的局部最优解而影响匹配精度。本文构造了新的配准目标函数，在互信息的基础上引入图像梯度信息，使两者相互补充，减少了目标函数中局部最优解的数目，突出了全局最优解。本文还设计了一种新的基于单纯形的模拟退火优化算法，该算法能以较大的概率迅速搜索到目标函数的全局最优解，以获得较满意的配准结果。本文使用该方法对二维医学图像进行配准，实验结果表明，该方法配准速度较快、精度较高，是一种有效的配准方法。     

基于多目标进化算法的协同设计冲突消解方法

针对协同设计中的目标冲突问题,提出了基于模糊集和多目标进化算法的冲突消解方法.分析了协同设计冲突产生的原因,建立了冲突问题的多目标模型;使用多目标进化算法对模型进行求解,得出符合决策者决策偏好的最优解集;利用基于模糊集理论的满意度函数对解集进行满意度排序,选取满意度最大的解作为综合最优解.以两个典型工程设计问题为应用案例进行仿真实验,利用基于决策偏好多目标粒子群算法来搜索符合决策偏好的最优方案集,并与基于多目标决策的协同设计冲突消解方法进行对比分析,结果证明了该方法的有效性.     

基于模拟退火算法的汽车行星变速器优化设计

因为模拟退火算法具有并行性,适用于并行处理,可用于求解复杂的非线性优化问题,同时具有全局搜索能力,模拟退火算法已经成为一个重要的工具来解决复杂的优化问题。考虑接触强度、弯曲强度和配齿约束条件,建立汽车行星变速器优化模型,尽量减少行星传动的体积和质量。目标函数与处罚条款是由加法惩罚策略的类型,从而改变约束优化为无约束优化。然后采用Matlab模拟退火算法工具箱对基于惩罚策略的优化模型求解。应用具有全局搜索能力的模拟退火算法进行启发式搜索和并行计算,与传统方法进行比较验证,其搜索效率和精度都非常高,这样保证了可靠的全局最优解。     

装配序列规划问题求解的一种混合算法

基于蚂蚁算法和的遗传算法特点,给出了一种解决装配序列规划问题的遗传和蚂蚁混合算法.混合算法中利用蚂蚁的每一次周游,快速生成问题的一组可行解,用遗传算法对得到的可行解进行快速优化,并根据优化解的质量,生成路径上的信息素分布,以加速蚂蚁最优路径上信息素的积累,从而引导蚂蚁更快地搜索到问题的最优解.实验结果表明,混合算法在装配序列规划问题求解上具有更好的性能.     

基于SHO-NSGA混合算法的飞机油舱管路自动布局方法

针对飞机油舱内部管路路径规划问题,提出一种基于改进斑鬣狗算法的飞机油舱管路自动布局方法。为了提高斑鬣狗算法的全局搜索能力以及收敛速度,在种群进化过程中引入扩散搜索机制对迭代过程中最优解进行扩散,以达到提高全局搜索能力的目的;在算法迭代后期引入深度包围机制,使其在最优解中随机搜索以提高算法的收敛速度。采用栅格法构建敷设空间数学模型,以管路路径最短为优化目标,以管路路径不与障碍物发生干涉、管路折弯角度及管路折弯半径为约束,建立管路布局优化数学模型。进一步,考虑管路的支臂布局问题,以支臂总长和支臂姿态作为支臂布局双目标优化函数,运用遗传算法NSGA-Ⅱ对管路支臂布局方案进行编码生成初始个体,设计交叉、变异规则,求解管路支臂布局的Pareto解集,进而获得管路支臂布局方案。最后,通过数值算例及管路敷设仿真验证所提方法的有效性。     

改进MCKD方法及轴承早期故障诊断研究

针对最大相关峭度解卷积(MCKD)算法滤波器阶数需要人工选择的问题,提出了一种采用变步长搜索方式的改进MCKD故障诊断方法.该方法以故障特征能量比最大化为目标,首先在全部搜索范围内用大步长计算特征能量比,确定最优目标所在的峰值位置,再用小步长进一步在峰值位置附近精确搜索最优滤波器阶数的具体数值,然后对原信号进行滤波并进行包络解调分析,最后由解调出的故障特征频率确诊故障.实测滚动轴承全寿命数据分析验证了该方法的有效性,为滚动轴承早期故障的自适应诊断提供了一条思路.     

微遗传算法及其在混流泵叶轮优化设计中的应用

提出了一套针对多参数复杂工程问题的微遗传优化算法,该算法能够在使用较少遗传个体的前提下,高效搜索出解空间中的全局最优解.其中心思想是,在基本遗传算法理论的基础上,添加了多重优势个体选择策略、重启动策略等优化策略,并对基本遗传算子进行改进,同时加入了小生境、保留最优值技术,提高算法性能.采用二元理论对混流泵叶轮进行设计,选取叶轮进出口边沿轮缘流线长度与速度矩分布函数首项系数为优化变量,以水泵效率作为目标函数,使用微遗传算法进行优化设计,结果表明:微遗传优化算法高效实用,水泵效率较优化前有明显提高.     

NSGA-Ⅱ算法在多层共挤吹塑装备中的应用

采用带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm-Ⅱ,简称NSGA-Ⅱ)对所设计的FPGA(Field-Programmable Gate Array)张力控制系统进行多目标优化。由于传统多目标优化问题通过加权方式转换为单目标问题,对权值比较敏感,且每次只能得到一种权值下的最优解。NSGA-II算法能够避免传统加权求解时权值的选择和解的偏好性。首先,以PID控制器参数、张力为目标函数,提出一种用于多层共挤吹塑装备的多目标优化模型。其次,将NSGA-II的交叉算子进行改进,提高全局的搜索能力。算例测试结果表明,该优化方法不仅能找到符合各优化目标的全局最优解,得到理想的Pareto解集,而且能够对FPGA张力控制过程实现有效优化,所提方法可应用于多层共挤吹塑装备中。