混合离散变量优化设计的复合遗传算法

目前，对混合离散变量的遗传算法研究较少，而且现有算法对设计变量的处理不能很好地满足工程设计要求。为此，提出了一种面向设计、制造的设计变量工程化处理方法，能合理地处理优化设计中混合离散变量的取值问题。引入了混沌移民算子对基本遗传算法进行了改进，并开发了混合离散变量优化的复合遗传算法程序LSGA。工程设计实例表明，该算法对优化设计问题的特性无特殊要求，具有较好的普适性，而且程序运行可靠，全局收敛能力强。     

基于改进遗传算法的离散公差模糊稳健优化设计

为了解决离散变量优化设计问题，采用了一种面向设计、制造的设计变量离散化处理方法。通过改进最优个体保护策略和混沌移民算子，并引入家族竞争遗传机制对基本遗传算法进行了改进。开发了混合离散变量的改进遗传算法程序LSGA2005，用该程序解决了箱体零件尺寸链的离散公差模糊稳健设计问题。实例表明，该算法全局收敛能力强，具有较好的实用价值。     

基于改进遗传算法的套筒滚子链传动优化设计

针对传统算法在套筒滚子链传动优化设计中全局寻优能力差的问题,改进了标准遗传算法参数,并运用退火罚函数处理约束,提出了基于改进遗传算法的套筒滚子链传动优化设计的方法.开发了混合离散变量优化的改进遗传算法程序,给出了套筒滚子链传动的混合离散变量优化设计的实例,所得优化参数符合实际生产的要求.     

基于遗传算法的减速器混合离散变量优化设计

针对混合离散设计变量的非线性优化问题,提出了一种面向设计与制造的离散变量工程化处理方法,能简便而合理地处理工程实际中的混合离散变量的取值问题;引入两个定义,以此构造惩罚函数,简单而可靠.在此基础上,建立了一种改进的遗传算法,用来对混合离散变量非线性规划问题进行全局搜索.二级圆柱齿轮减速器优化设计实例表明,该算法普适性较好,全局搜索能力强.     

混合离散变量优化的遗传算法研究

将基于格雷码的遗传算法用于求解结构的混合离散变量非线性约束优化问题。完整地阐述了混合离散变量的遗传算法处理方法,包括变量的均匀性处理,编码和解码,多余码的处理;采用格雷码编码方式和一种新的适应值定标方法,对遗传算法作了合理的改进,并指出了原编码方式和定标方法存在的问题,并给出算例证明其合理性,有效性和对问题的适应性。     

基于蚂蚁算法的混合离散变量机械优化设计方法

引入蚁群更新、沿途搜索等策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，通过典型优化设计问题进行了验证，并给出了混合离散变量机械优化设计实例。实例表明，改进后的蚂蚁算法全局收敛能力强，程序运行可靠。     

基于蚂蚁算法的谐波齿轮传动模糊优化设计

研究了谐波齿轮传动优化设计问题，建立了其模糊优化设计数学模型。引入蚁群更新策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，给出了谐波传动的混合离散变量优化设计实例。     

离散变量优化设计的改进斐波那契遗传算法

根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立离散变量结构优化模型。针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点,提出一种新的遗传算子——转基因算子,用于对遗传算法的改进;提出一种离散变量结构优化设计的斐波那契算法,并与遗传算法结合在一起解决问题。优化设计结果表明,这种改进斐波那契遗传算法的收敛特性得到很好的改善,即发挥了斐波那契算法省时、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点,是有效的工程结构优化设计方法。     

一种改进遗传算法及在结构优化设计中的应用

针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法。以典型的遗传算法测试函数验证改进遗传算法的有效性与可行性，最后将改进遗传算法用于离散变量桁架结构优化设计，计算结果表明改进遗传算法是可行、有效的。     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题，提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性，避免了遗传算法的早熟收敛问题，增强了算法的全局收敛性，并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化，其结果与MDOD和改进遗传算法2种的结果进行比较，表明此算法能够很好处理工程离散化问题。     

离散变量桁架结构拓扑优化的混合遗传算法

为了避免结构拓扑优化过程中杆件和节点的增删带来的计算上的麻烦，在对桁架结构受力分析的基础上，提出一种启发式方法，以快速产生符合机动性要求的拓扑结构形式；然后在既定的拓扑结构形式下采用混合遗传算法——拟满应力遗传算法进行截面优化。该方法通过在遗传算法中嵌入拟满应力算子，同时对基本遗传算法采用最优个体保留、最差个体替换和控制种群个体差异等改进措施，有效提高遗传算法求解的效率和质量。算例结果表明，该方法用于离散变量桁架结构拓扑优化是有效的。     

波浪补偿系统差动行星传动多目标模糊可靠性优化设计

将模糊可靠性设计应用于波浪补偿系统的差动行星传动装置优化设计,在一般优化设计方法的基础上,建立以波浪补偿系统差动行星传动机构“体积最小”、“径向尺寸最小”、“传动效率最高”、“行星轮轴承温升最小”、“外啮合膜厚比最大”和“外啮合齿根最大滑动率最小”等为分目标的多目标模糊可靠性优化设计数学模型,研究处理多目标优化问题的模糊决策方法以及基于遗传算法的混合离散变量离散化处理方法,得到多目标模糊优化问题的求解方法。结合实例进行分析计算,经对比分析得出模糊可靠性优化设计更接近工程实际的结论。     

采用改进遗传算法的新型节能电磁换向阀的优化设计

采用一般遗传算法与传统优化方法相结合的改进遗传算法,对文献[1]中提出的新型节能电磁换向阀进行了优化设计,给出了优化设计数学模型及优化结果,并对采用一般遗传算法和改进遗传算法进行优化设计获得的结果进行了比较,结果表明,采用改进遗传算法对行新型节能电磁换向阀的优化设计具有寻优精度高,寻优速度相对较快的优点。     

基于多目标遗传算法的鱼雷多学科稳健优化设计

传统的多学科设计优化多为确定性优化,这种设计优化忽视了系统本身固有的不确定性因素,求得的最优解往往只具有数学意义,很难应用于工程实践。本文将多目标遗传优化算法与多学科设计优化方法相结合,同时考虑了稳健性对优化结果的影响,采用响应面近似方法获得系统耦合关系,通过效力系数把设计变量分配到相应的子空间中,在每一个子空间里都进行基于遗传算法的多目标优化,使各学科的模拟分析、优化设计得到并行设计。提高了优化效率。本文通过鱼雷总体多学科优化设计的算例证明了此方法的可行性。在工程实践中有一定的指导意义。     

基于智能单粒子算法与支持向量机的稳健优化设计

为了求解混合离散变量优化设计问题,通过引入粒子位置矢量的离散化处理方法,对智能单粒子优化算法(ISPO)进行改进,用MATLAB语言设计了求解混合离散变量优化设计问题的ISPO算法程序,结合支持向量回归机的应用,研究了平面尺寸链离散公差的模糊稳健优化设计问题,给出了稳健设计实例。设计实例表明了本文所提方法的有效性和实用性。