基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法 ,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

遗传算法在行星齿轮多目标模糊优化设计中的应用

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题,本文在介绍遗传算法的基础上,把遗传算法用于行星传动多目标模糊优化设计中.本文采用综合行星轮传动体积和最大承载能力的多目标优化模型,利用模糊理论建立综合评价函数,应用求解精度高的遗传算法求解.具体算例的优化结果显示,传动体积与承载能力都获得了改善.     

基于遗传算法的推料机齿轮传动多目标优化设计

针对某生产线推料机的机构平稳性要求高、且体积不易过大的问题,通过选取齿轮体积和啮合重合度为优化目标,利用遗传算法对其机械传动结构进行了多目标优化设计。对算法的编码方式、精英选择策略、适应函数、惩罚因子和加权系数对优化结果的影响等几方面进行了分析探讨,提出了一种基于改进遗传算法的机构尺寸参数的优化方法;分别在单目标和多目标优化的情况下,利用Fmincon函数与改进的遗传算法进行了对比分析。研究结果表明:改进的遗传算法较Fmincon函数优化效果更佳,且较单目标优化结果,基于多目标优化后的齿轮传动重合度增加了3.03%,有效提高了推料机传动系统的平稳性;该结论为齿轮传动系统的多目标优化提供了理论参考依据。     

面向绿色设计的材料选择多目标优化决策

为解决绿色设计中材料选择的多目标优化问题,提出一种将神经网络与遗传算法集成的求解决策模型。该模型以材料的力学性能、工艺性能、经济属性和生命周期的环境属性等为优化目标,利用人工神经网络进行系统建模,并为遗传算法找到适应度函数及求得目标函数值的方法,进而利用遗传算法进行多目标优化。采用生态指数方法定量分析材料在其生命周期内对环境的影响。以某个电冰箱壳体材料的选择为例,证明该多目标决策模型对绿色设计中的材料选择有重要指导作用。     

多目标优化的求解方法与发展

本文首先介绍了传统多目标优化求解方法和改进;对遗传算法,模糊优化,神经网络等算法在多目标优化中的应用做了介绍;最后介绍了满意度.     

切削用量的基因遗传算法优化

介绍了基因遗传算法及型式原理，提出了用基因遗传算法解决切削用量的复杂的多变量，多目标优化问题的方法，找到了一个抽象切削用量优化问题的共性，并辅之以个性的妆口的遗传算法，使本算法能适应不同的加工环境，加工方法。研究表明，基因遗传算法适于解决多变量，多目标的约束优化问题，其优越性体现在执行效率大大提高。有效避免局部最优解以及较强的适应性。     

改进的小生境遗传算法在铁道车辆优化设计中的应用

选取合适的优化方法对铁道车辆转向架悬挂参数进行优化,能有效提高车辆的动力学性能。遗传算法是一种多参数多目标优化方法,提出了采用改进的小生境遗传算法,以某铁道车辆转向架悬挂参数为设计变量,针对车辆的稳定性进行了优化设计。结果显示,通过改进的遗传算法优化出的悬挂参数能有效提高车辆的稳定性,优化后车辆的临界速度到达了600 km/h,而通过基本遗传算法和单目标优化方法得到的临界速度分别仅为500 km/h和520 km/h。研究表明,改进的小生境遗传算法能很好的实现悬挂参数间的合理匹配,优化出良好的动力学性能。     

多目标模糊优化方法及其在可靠性设计中的应用

在基于模糊机会约束规划理论基础上,对多目标模糊优化方进行研究,通过模糊模拟求解模糊目标函数的理想极大值和极小值,建立了多目标优化问题的模糊机会约束规划模型,并给出了基于模糊模拟的遗传算法求解方法.通过对一个无约束处理的常规双目标模糊可靠性优化问题实例求解,验证了多目标模糊模拟遗传算法的有效性,并指出该算法的优点在于能较好处理多目标优化问题的分目标量纲不同及其函数值之间差距较大的情况.     

基于神经网络和遗传算法的身管多目标优化

身管结构的优化通常涉及到刚度、重量等多个目标,为了节省优化迭代过程中大量有限元计算的时间,以均匀试验的样本数据为输入,采用神经网络和遗传算法相结合的方法对火炮身管结构进行优化。采用模糊设计方法建立多个优化目标,通过权重将其转化成单目标,并在传统方法的基础上进行改进,采用权重优化的方法来确定权重,建立了基于神经网络和遗传算法的权重优化模型,从而克服了传统上确定权重方法主观性大的问题;在此基础上,进行基于神经网络和遗传算法的身管结构优化的求解。经算例验证表明,该方法可以获得较好的优化结果,并能大大提高身管结构优化的效率。     

基于多策略差分进化的元胞多目标遗传算法

针对现有的多目标进化算法在求解复杂的多目标优化问题时收敛性不佳和解的分布性差等问题,提出一种基于多策略差分进化的元胞多目标遗传算法。通过分析不同差分进化模式的优劣,结合元胞模型,定义了一种多策略差分协同进化的选择算子;针对当前拥挤距离评估方法存在的缺陷,引入一种基于熵的拥挤距离评估方法,同时改进了替换策略。通过12个标准测试函数进行测试,证明了新算法相对于非支配排序遗传算法、元胞多目标遗传算法和混合元胞遗传算法,不仅具有更好的收敛性和多样性,而且在解的覆盖率上得到了一定程度的提高,尤其适合于高维复杂多目标优化问题的求解。     

制造过程多目标优化的集成计算智能方法

针对制造过程因动态多变而难以定量控制的问题,提出了用集成计算智能方法进行多目标优化。利用人工神经网络进行系统建模,并为遗传算法找到适应度函数及求得目标函数值的方法,进而利用遗传算法进行多目标优化。通过实例验证了方法的有效性与实用性,实现了制造过程的定量分析,为复杂制造系统的建模和优化提出了一种新的方法。     

改进遗传算法在机械优化设计中的应用研究

采用了遗传算法对机械优化设计中的多目标、多自变量、多约束的优化问题进行了探讨,以解决传统的优化方法容易陷入忆部最优的缺陷,运用惩罚函数、实值编码策略和联赛选择机制对标准遗传算法进行了改进。使得改进后的遗传算法在机械优化设计中有了一定的实用价值。     

内燃机车自动驾驶优化算法与控制策略的研究

基于列车动力学方程为基础,以能耗、准时性、精确停车以及舒适度为优化指标建立了列车自动驾驶的多目标优化模型,其优化算法采用遗传算法,控制策略基于一种实时速度校正的计算方法。为验证算法有效性,选用了一种具体的采用内燃机的列车自动驾驶实际算例,利用遗传算法对采用列车自动驾驶的多目标优化模型进行优化以得到列车运行目标曲线,并实施自动驾驶控制。基于MATLAB平台的仿真结果表明,在相同条件下,本文设计的遗传算法和控制策略具有较佳的性能。     

基因遗传算法在机构优化设计中的应用

介绍了基因遗传算法的来源，基本原理和方法，提出了改进的基因遗传算法，并介绍了圆柱螺旋压缩弹簧优化问题的适合度函数，约束条件及编码方法。研究表明，基因遗传算法适用于解决多变量。多目标，多峰值的约束优化问题。     

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．、     

基于自适应遗传算法的数控铣削过程参数优化仿真

基于自适应遗传算法思想建立了数控铣削用量多目标决策智能优化的数学模型，并运用遗传优化方法对铣削加工实例进行优化，实例验证表明，具有自适应交叉率和变异率的遗传算法在收敛速度和获得全局最优解的概率两个方面都有很大提高，并在数控加工动态仿真系统上验证了铣削用量多目标智能优化的数学模型的正确性和实用性。     

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。     

基于改进遗传算法的插齿机主运动机构优化设计

旨在介绍遗传算法,改进遗传算法在实际应用过程中发现的缺点,以及遗传算法在插齿机主运动机构优化设计中的应用。主要利用遗传算法与多种群遗传算法的函数优化算法,以插齿机主运动机构的优化设计为例,对机构参数的多个目标函数进行优化设计分析。通过对插齿机主运动机构运动学和动力学的分析,确定了待优化的目标函数、设计变量和边界约束条件,并采用Matlab进行编程和仿真,能够快速准确的得到目标函数值。     

基于遗传算法的仿生肌肉多目标优化控制研究

以动物肌肉结构和工作特性为模拟对象的仿生肌肉,其控制对象数量多,控制较为复杂。首先将仿生肌肉控制转化为多目标优化控制问题,将多目标函数合成为单一目标函数,以对该多目标优化问题进行求解;其次就遗传算法在该多目标优化求解问题中的应用进行了讨论;最后对由形状记忆合金构成的仿生肌肉进行仿真实验,结果表明仿生肌肉的多目标优化控制方法是一种有效的优化控制方法。     

基因遗传算法在机械优化设计中的应用

介绍了基因遗传算法的来源、基本原理和方法，提出了改进的基因遗传算法，并介绍了圆柱螺旋压缩弹簧优化问题的适合度函数、约束条件及编码方法。研究表明，基因遗传算法适用于解决多变量、多目标、多峰值的约束优化问题。