基于多亲遗传算法的B样条轨迹规划

在处理机械手进行轨迹问题时,为避免传统方法中存在局部最优解问题,通过把遗传算法的交叉算子改编成单纯交叉算子,达到多个母体杂交的目的,在采用多亲遗传算法与B样条曲线相结合的方式进行轨迹规划;建立机械手B样条曲线的时间最短优化模型。文未说明这种方法的可行性,给出了三次元送料机械手移送料的轨迹优化算例。     

一种基于微粒群优化算法的冗余机械手轨迹规划法

针对冗余机械手应用遗传算法(或免疫遗传算法)的轨迹规划所存在的不足,提出了基于微粒群优化算法的冗余机械手轨迹规划方法。利用此算法对寻优过程进行仿真研究,所得结果令人满意,与遗传算法相比,微粒群算法简单、容易,且收敛速度快。此方法能够有效地进行机械手轨迹规划,从而能够为充分发挥冗余度的作用为改善机械手运动提供新的思路。     

免疫遗传算法及其在多目标优化设计中的应用

免疫算法是一种基于自然界生物体免疫系统的优化算法，是目前机械多目标优化设计中的一个新的研究方向。免疫遗传算法（IGA）是在免疫算法（IA）的抗体多样性维持机制中引入遗传算法（GA），使其性能比标准免疫算法更进了一步。通过测试函数证明了免疫遗传算法既保留了免疫算法的优点，又提高了免疫算法中抗体的多样性和收敛速度。结合压铸机合模机构的优化设计，表明此算法可有效解决工程问题的优化。     

一种求解车间调度的混合免疫遗传算法

为了克服传统免疫遗传算法(IGA)在车间调度问题上易陷入局部最优的缺点,将免疫遗传算法(IGA)与模拟退火算法(SA)进行了结合,提出一种应用于车间作业调度的混合免疫遗传算法。为了有效的提高免疫遗传算法收敛速度和避免算法陷入局部最优解,此算法设计了一种基于适应度和浓度的自适应精英保留策略且重新设置了变异算子,即将变尺度变异和自适应变异算子进行了融合。最后利用"Muth and Thompson"基准问题进行仿真实验,验证了该算法在JSP问题中的高效性和可行性。     

可调球面六杆机构轨迹综合

提出一种用于实现多任务的可调球面六杆StephensonⅢ型机构的轨迹优化综合方法。在研究球面六杆StephensonⅢ型机构轨迹综合的基础上,建立该可调球面六杆机构的多任务轨迹综合方程组,并分析可调球面六杆机构能实现的精确点数、任务数与综合时任选变量数之间的关系。为保证综合所得机构的主动构件能够作单向连续整周旋转和良好的传动质量,对机构的曲柄存在条件和传动角计算公式进行推导,建立球面可调机构综合的优化数学模型,并基于病毒进化遗传算法获取综合结果。病毒进化遗传算法将全局进化和局部进化动态结合,具有良好的收敛速度和收敛稳定性,保证了机构综合问题全局最优解的获取。数值实例验证了综合方法的有效性。     

求解车辆路径问题的免疫遗传算法

VRP问题是一类典型的NP问题.本文通过引入免疫算子,构造一种新的免疫遗传算法(IGA)求解VRP问题.此算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了基本遗传算法的群体多样性.实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,并能有效解决VRP问题.     

基于免疫遗传算法的TSP求解

用一种免疫遗传算法(IGA)对TSP问题进行求解.该算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,引进了生物免疫系统中的免疫应答,抗原记忆,接种疫苗,免疫选择等机制.实验结果表明,免疫遗传算法可有效改善基本遗传算法未成熟收敛等缺陷,提高全局搜索的效率及能力,在TSP求解中取得了满意的结果.     

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。     

改进差分进化算法在转向梯形机构优化中的应用

研究了基于萤火虫变异机制的双种群差分进化算法(IGDE)对断开式转向梯形机构的优化设计。针对基本差分进化算法(DE)在寻优处理过程中经常出现收敛速度较慢甚至早熟等弊端,提出了一种基于萤火虫变异机制的双种群差分进化算法。该算法通过模仿萤火虫吸引机理,同时结合自适应柯西扰动策略求解优化最优解。通过梯形机构优化测试结果表明:与Matlab遗传算法工具箱(GA)、基本差分进化算法(DE)、随机变异差分进化算法(RMDE)和多种群自适应差分进化算法(ADEMP)相比,IGDE最优适应度值分别降低了36.08%、29.05%、17.34%和15.19%。     

混沌遗传算法及其在机构创新设计中的应用

将混沌优化的遍历性、规律性与遗传算法(GA)的全局性相结合形成了一种混沌遗传算法(CGA),有效地克服了遗传算法随机性大、未成熟收敛等缺点.建立以构件和运动副为基本单元,以机构的拓扑结构为核心的机构型式数学模型,采用适合描述机构型式的染色体编码方法,用生命进化机制模拟机构的演变,实现了机构构型创新设计的自动化,缩短了创新设计周期.     

免疫遗传算法在多目标优化设计中的应用

文中介绍的免疫遗传算法是在免疫算法的抗体多样性维持机制中引入遗传算法,使其性能比标准免疫算法更进了一步。并通过测试函数,证明了免疫遗传算法既保留了免疫算法的优点,又提高了免疫算法中抗体的多样性和收敛速度。最后结合压铸机合模机构的优化设计,结果表明此算法可有效解决工程问题的优化。     

基于免疫遗传算法的不规则件排样优化问题求解

基于遗传算法难以保持群体的多样性及存在易早熟、效率低的缺陷,提出免疫遗传算法应用于不规则零件排样的优化方法。该算法在遗传算法的全局随机搜索基础上,借鉴了人工免疫系统中的免疫记忆和浓度机制。通过疫苗接种实现种群个体中基因位的局部调整优化,并将其优良个体保存于免疫记忆库中,提高了算法的搜索速度。同时浓度机制保证了遗传交叉和变异过程中生成下代种群个体的多样性,扩大了搜索空间,更利于最优解的获取。该方法在开发的不规则件排样系统中进行了实算求解,通过与标准遗传算法的实验结果比对,板材的利用效率得到显著提高。     

基于免疫遗传算法的离合器压紧弹簧优化设计及MATLAB实现

阐述了免疫遗传算法的基本原理,并在MATLAB环境下采用免疫遗传算法对离合器压紧弹簧进行了优化设计.实验表明免疫遗传算法对离合器压紧弹簧的优化设计效果明显.     

An Improved genetic algorithm for the prediction of surface finish in dry turning of SS 420 materials

Determination of optimal cutting parameters is one of the most important elements in any process planning of metal parts. This paper presents a development of an improved genetic algorithm (IGA) and its application to optimize the cutting parameters for predicting the surface roughness is proposed. Optimization of cutting parameters and prediction of surface roughness is concerned with a highly constrained nonlinear dynamic optimization problem that can only be fully solved by complete enumeration. The IGA incorporating a stochastic crossover technique and an artificial initial population scheme is developed to provide a faster search mechanism. The main advantage of the IGA approach is that the “curse of dimensionality” and a local optimal trap inherent in mathematical programming methods can be simultaneously overcome. The IGA equipped with an improved evolutionary direction operator and a migration operation can efficiently search and actively explore solutions. The IGA approach is applied to predict the influence of tool geometry (nose radius) and cutting parameters (feed, speed, and depth of cut) on surface roughness in dry turning of SS 420 materials conditions based on Taguchi's orthogonal array method. Additionally, the proposed algorithm was compared with the conventional genetic algorithm (CGA), and we found that the proposed IGA is more effective than previous approaches and applies the realistic machining problem more efficiently than does the conventional genetic algorithm (CGA).     

基于免疫遗传的BP网络在机械手逆运动学中的应用

分析了采用BP网络解决机械手运动学逆问题的优势，指出了BP网络在设计中存在的问题，并利用了免疫遗传算法来改进BP网络的学习。     

Optimal design of a squeeze film damper using an enhanced genetic algorithm

This paper represents that an enhanced genetic algorithm (EGA) is applied to optimal design of a squeeze film damper (SFD) to minimize the maximum transmitted load between the bearing and foundation in the operational speed range. A general genetic algorithm (GA) is well known as a useful global optimization technique for complex and nonlinear optimization problems. The EGA consists of the GA to optimize multi-modal functions and the simplex method to search intensively the candidate solutions by the GA for optimal solutions. The performance of the EGA with a benchmark function is compared to them by the IGA (Immune-Genetic Algorithm) and SQP (Sequential Quadratic Programming). The radius, length and radial clearance of the SFD are defined as the design parameters. The objective function is the minimization of a maximum transmitted load of a flexible rotor system with the nonlinear SFDs in the operating speed range. The effectiveness of the EGA for the optimal design of the SFD is discussed from a numerical example.     

基于改进NSGA-Ⅱ算法的箱形伸缩臂多目标优化设计

从初始群体产生及交叉算子两个方面对带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行改进,对伸缩臂进行应力及挠度变形分析,得出应力及应变云图,以确保伸缩臂强度、刚度满足要求。以伸缩臂截面几何参数为设计变量,伸缩臂稳定性及自重为优化目标,利用i SIGHT软件将改进的NSGA-Ⅱ算法与Ansys有限元分析集成,以QY20汽车起重机伸缩臂为例,对起重机箱形伸缩臂进行多目标优化设计,得出Pareto前沿解,并与优化前的截面参数进行对比,验证了该算法的可行性。     

一种基于改进遗传算法的神经网络优化算法研究

遗传算法是目前优化搜索算法中应用比较广泛的一种,但基本遗传算法存在收敛速度慢、易于陷入局部最优等缺点。针对上述问题对遗传算法(GA)的选择算子进行改进,在最优保存策略的基础上将每代种群按照适应度由小到大排序,平均分成前中后3段,按照0.6、0.8、1的比例进行选择;从尾段中随机抽取个体来补足种群由于选择操作而损失的个体;既利用了最优保存策略的全局收敛特性同时也保持了种群的多样性;用改进的遗传算法调整神经网络的权值形成了新的改进遗传算法优化BP神经网络(IGA-BP);通过与选择算子为适应度比例选择算子的GA-BP网络进行比较,结果表明算法改进后缩短了收敛时间同时减少了运行误差;最后将该改进算法应用于水泥回转窑的故障诊断中,验证了算法的可行性。     

多种群遗传算法在数字散斑相关搜索中的应用

数字散斑相关方法中,搜索算法对计算速度有着重要的影响。遗传寻优算法的全局性非常适合散斑相关搜索。然而,作为一种智能算法,算法参数对于遗传算法的计算稳定性和效率都有着重要影响。同时,不成熟收敛也是不可忽视的问题。本文将多种群遗传算法应用于数字散斑相关方法中,在避免了不成熟收敛问题的同时,提高了计算稳定性和效率。