改进单目标自适应遗传算法的车削优化

提出了一种改进单目标自适应遗传算法(MSAGA)。针对自适应搜索遗传算法(ASNSGA)遗传代数设置不合理与单目标非支配排序自适应遗传算法(SONSAGA)因非均匀种群而引起拟合新误差的缺陷,MSAGA算法通过临界遗传代数与变量取值区间的自适应调整,同时提高了计算精度与计算速度。将MSAGA算法应用于车削优化,实例结果显示不仅优于标准遗传算法(GA)与SONSAGA算法的优选值,而且计算速度比SONSAGA算法提高了75.9669%。结果证明MSAGA算法用于车削用量参数的优化是有效的。MSAGA算法能快速自适应获得满足给定精度的变量优选值,为车削优化提出了新思路。