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。     

基于蚂蚁算法和SVR的离散变量稳健设计优化

引入蚁群打散、离散搜索等策略对基本蚂蚁算法进行了改进,并采用MATLAB语言编制了离散变量优化设计的蚂蚁算法程序。采用支持向量回归机对模糊概率等非线性函数进行仿真计算．提高了模糊稳健优化设计的求解效率。给出了混合离散变量的稳健优化设计实例,表明了所提出方法的有效性和实用性。     

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。     

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。     

基于新型蚂蚁算法的传动方案优化设计研究

针对复杂机械产品传动方案的优化设计问题,提出了一种融合模拟退火算法的新型蚂蚁算法.该算法改进了蚂蚁算法中信息素的初值设置和信息素更新模型,探讨了新型蚂蚁算法的融合思想和设计依据,建立了基于新型蚂蚁算法的传动方案的优化设计过程模型.该方法能尽快搜索到较理想的下降方向,提高了蚂蚁算法的收敛速度,同时克服了模拟退火算法要求初始温度足够高,收敛速度缓慢的缺陷.具体应用表明了该方法是可行的.     

基于MATLAB的同步带传动优化设计

阐述同步带传动优化设计的技术和方法,以设计轴间距与预定轴间距之间偏差最小为目标,建立数学模型;用牛顿迭代法求解反渐开线函数;用混合离散变量直接搜索法求出最优解;用MATLAB实现计算机辅助同步带传动优化设计。     

高维多目标优化设计的灰色微粒群算法

提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用灰色相对关联度将多目标优化问题转化为单目标优化问题,再用改进微粒群算法求解.开发了混合离散变量优化的灰色改进微粒群法程序.该方法能合理地处理优化设计中混合离散变量的取值问题,通过对标准微粒群算法改进,引入动态罚函数,算法具有很强的全局寻优能力.优化设计实例表明,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.     

基于神经网络及遗传算法的齿轮化设计软件

将人工智能中BP神经网络与遗传优化算法相结合,有效解决局部极小和收敛速度以及含有连续/离散混合变量的优化问题,通过VB语言与Matlab软件混合编程,开发了齿轮优化设计软件,实现齿轮传动的自动优化设计,极大地提高了齿轮的设计效率和质量.     

改进蚁群算法的斜齿轮传动多目标优化

本文针对传统蚁群算法在优化目标函数和设计变量较多时,收敛速度慢和容易陷入局部最优等缺点,提出了一种改进的蚁群优化算法。并对两级斜齿圆柱齿轮减速器在考虑其动态性能、体积、可靠度多目标下对齿轮参数进行了优化。其结果与传统设计相比,在保持了减速器较高可靠性的同时,获得了较好的动态性能和较小的体积。本文提出的改进蚁群算法为斜齿轮减速器提供了一种新的优化设计方法。     

基于蚁群算法大功率曝气机减速齿轮箱的可靠性优化设计

蚁群算法是基于群体的一种仿生算法，对于复杂系统的优化设计具有鲁棒性好、寻优能力强等特点。本文以大功率倒伞曝气机行星减速齿轮箱的体积最小为优化目标函数，建立了行星减速齿轮箱的数学模型，并运用蚁群算法和MATLAB语言，对行星齿轮箱进行了优化计算。优化结果表明，基于蚁群算法的优化设计较传统优化设计相比，在满足设计要求的前提下体积更轻。为行星齿轮箱的其它优化设计提供了新的思路方法。     

基于改进蚁群算法的智能配电网网格化规划方法研究

为提高智能配电网规划能力,提出一种基于改进蚁群算法的智能配电网网格化规划方法。首先采用分块区域网格规划方法模拟智能配电网网格化参数,根据蚁群个体行为差异性定义节点规划度,再通过模板匹配和寻优得到节点部署模型。然后计算用户侧谐波阻抗实现智能配电网网格化规划过程的参数寻优,提高智能配电网网格化组合能力。在此基础上,建立谐波振荡的调制模型,在实现规划过程抗干扰抑制后,以谐波参数作为约束代价指标,在改进蚁群寻优控制下,实现智能配电网网格化规划设计。仿真实验结果表明:采用该方法实现配电网网格化规划后,配电网的输出稳定性较好,参数融合度水平较高。     

面向云计算环境任务调度的改进蚁群算法

云计算环境下的任务调度问题是一个NP完全问题,其目的是在各个处理节点上合理分配任务,优化调度策略以保证有效完成任务。以总任务完成时间最短和计算成本最低为优化目标,针对蚁群优化算法易陷入局部最优的缺陷,提出了一种求解该问题的改进蚁群算法。该算法将遗传算法的二点交叉算子融入到蚁群优化算法中,以提高蚁群优化算法的局部搜索能力。通过在云仿真平台Cloud Sim上进行仿真实验,结果表明改进蚁群算法缩短了总任务完成时间,降低了计算成本,从而证明了该算法能有效地解决云计算环境下的任务调度问题,并且其优化能力和收敛速度优于蚁群优化算法和改进离散粒子群算法。     

Intelligent Optimization Methods for the Design of an Overhead Travelling Crane

In design optimization of crane metal structures, present approaches are based on simple models and mixed variables, which are difficult to use in practice and usually lead to failure of optimized results for rounding variables. Crane metal structure optimal design(CMSOD) belongs to a constrained nonlinear optimization problem with discrete variables. A novel algorithm combining ant colony algorithm with a mutation-based local search(ACAM) is developed and used for a real CMSOD for the first time. In the algorithm model, the encoded mode of continuous array elements is introduced. This not only avoids the need to round optimization design variables during mixed variable optimization, but also facilitates the construction of heuristic information, and the storage and update of the ant colony pheromone. Together with the proposed ACAM, a genetic algorithm(GA) and particle swarm optimization(PSO) are used to optimize the metal structure of a crane. The optimization results show that the convergence speed of ACAM is approximately 20% of that of the GA and around 11% of that of the PSO. The objective function value given by ACAM is 22.23% less than the practical design value, a reduction of 16.42% over the GA and 3.27% over the PSO. The developed ACAM is an effective intelligent method for CMSOD and superior to other methods.     

量子蚁群算法在压力容器优化设计中的应用

建立压力容器的优化设计数学模型,利用一种新型的优化算法——量子蚁群算法对压力容器的主要参数进行优化设计。量子蚁群算法在蚁群算法的基础上引入量子理论,该方法能尽快搜索到较理想的下降方向,提高了算法的收敛速度。具体应用实例表明,基于量子蚁群算法的优化设计切实可行,显示量子蚁群算法在化工设备优化设计问题上的可用性。     

多种群蚁群算法解机组组合优化

电力系统机组组合问题是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。为解决蚁群算法在解决机组组合问题中遇到的计算速度慢、易陷入局部最优等问题,将多种群蚁群算法应用到解决机组组合的问题中。开展了多种群蚁群算法在机组组合问题中的应用分析,新建了除搜索蚁之外的侦察蚁和工蚁,设定了3种蚁群之间的信息交互原理,提出了各蚁群的信息素更新方法。在修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。研究结果表明,所提出的多种群蚁群算法是合理、有效的。     

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。