非稳态罚函数遗传算法及其用于机械/结构系统的健壮性设计

在机械 /结构的优化设计中 ,普遍存在约束的作用 ,且最优解往往位于可行域的边界上。由于外界环境的变化或人为因素造成设计变量扰动 ,可能使设计成为不可行。本文提出了一种基于设计变量敏感性的健壮性设计方法 ,并用非稳态罚函数遗传算法来实现多目标优化设计。     

用Pareto遗传算法实现机械／结构系统的多目…

提出了一种用Ｐａｒｅｔｏ遗传算法（ＰＧＡ）来实施的带约束的多目标优化方法。ＰＧＡ可得到Ｐａｒｅｔｏ最优解集,从中可选出满足设计需要的解。本文提出的算法包括５个基本算子：选、变异、交叉、小生境技术、Ｐａｒｅｔｏ集合过滤器。本文设计了小生境技术和Ｐａｒｅｔｏ集合过滤器,并建立了用于目标优化的适应度函数,使用模糊罚函数法带约束的多目标优化问题转换为无约束优化问题,其于以上方法,文中也提出了一种通用的多目     

基于Pareto解集的多目标优化方法及其应用

针对传统多目标优化设计方法的弱点,基于Pareto概念,借助遗传算法所具有的并行搜索特性,引入群体排序技术、小生境技术求得多目标优化问题的Pareto解集,实现了先寻优后决策的求解模式。实际工程算例表明,该模式可同时获得多个Pareto最优解,据此决策能有效弱化设计人员先验知识不足的影响,因而较传统多目标优化方法更为实用有效。     

基于Pareto遗传算法功率分流式无级变速器齿轮系多目标优化设计

以某功率分流式无级变速器为研究对象,在变速器结构已确定的情况下,并保证齿轮强度的基础下,对功率分流式无级变速器建立以速比范围最大、体积最小和轴中心距最短的齿轮系多目标优化数学模型,将Pareto最优解概念与遗传算法相结合,应用Matlab优化工具箱进行联合优化计算,获得了该问题的最优解集,结果表明,文中提出的方法能够有效地解决多参数多目标的优化问题。     

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．、     

多目标遗传算法在剪式升降平台优化设计中的应用

针对双铰接剪式升降平台展开研究,首先理论分析推导出升降机构中的液压缸推力及升降平台起升速度的函数关系,采用控制变量法分析各参数变化对液压缸推力及升降平台起升速度的影响,确定液压缸最大推力及升降平台最大起升速度产生的位置及关键影响参数。以液压缸最大推力及升降平台最大起升速度为优化目标,利用多目标遗传算法得到液压缸铰接优化位置,为剪式升降平台的设计及液压缸位置布置提供理论依据,具有一定的实际研究意义和工程使用价值。     

基于Pareto遗传算法的高速插秧机变速器优化设计

以某高速插秧机变速器的优化设计为例,将Pareto最优解概念和遗传算法相结合,在遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器等技术,并针对设计变量都是离散变量的特点,采用先将生成的随机数变换到约束范围后再圆整到最近离散值的方法,构造了适用于求解多目标优化问题的Pa-reto遗传算法,运用该算法获得了变速器在体积最小、中心距最小和总重合度最大目标下的Pareto最优解集。结果表明,采用Pareto遗传算法优化设计的变速器达到了综合优化设计的效果。     

多目标元胞遗传算法及其应用

在单目标元胞遗传算法的基础上,提出一种多目标元胞遗传算法(Multi-Objective Cellular Genetic Algorithm,MOC-GA)。该算法使用元胞自动机的生命游戏规则替代遗传算法的交叉算子,使用NSGA-Ⅱ的选择方式选择个体,同时设置外部种群存储算法进化过程中的非支配个体。为了提高算法的效率和保证非支配解集良好的分布性,使用改进的快速排序法选择非支配个体,依照个体的动态聚集距离对外部种群进行消减。与NSGA-Ⅱ相比,实例表明,该算法具有更好的收敛性和稳定性。     

健壮设计及其在机械设计中的应用

健壮设计作为一种低成本、短周期、高可靠性的新的设计思想和方法,不仅提高了产品质量和可靠性,而且降低了成本,已被广泛应用于汽车制造、家电产品、化学工业、航空航天、机械设计、质量控制等领域。这里对健壮设计的定义、内容、基本原理和方法等进行了介绍,并概述了健壮设计在机械设计领域中的应用。     

利用神经网络实现复杂结构的多目标优化设计

结构优化设计中常常包含大量的有限元计算。现代多目标优化设计的发展趋势是以 Pareto遗传算法为代表的随机搜索方法 ,能够搜索到整个 Pareto最优解集 ,但计算量相当大 ,如果每次迭代都要涉及有限元计算 ,将是非常耗时的工作。本文在利用 Kolm ogorov多层神经网络映射存在定理的基础上导出的用神经网络进行结构近似分析的方法 ,用均匀试验设计方法选取特征样本点供神经网络训练 ,将神经网络与 Pareto遗传算法有机地结合 ,使多目标优化的计算效率进一步提高     

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.     

基于改进遗传算法的油缸平衡机构的优化设计

用改进的遗传算法对油缸平衡机构进行了优化设计,使纵向进给臂在工作过程中始终保持水平,在极限位置既能满足工作范围要求,又不产生机械自锁,且使平衡机构结构紧凑。优化结果满足设计要求精度。     

应用遗传算法的塔机起升机构模糊优化设计

针对塔式起重机起升机构的设计实例,考虑到设计参数取值的不确定性,在满足承载能力和传动比分配要求条件下,以起升机构的减速器中心距最小为优化目标,建立了该问题的模糊优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题,故应用matlab遗传算法工具箱寻求问题最优解,使求解过程得到简化,能可靠地获得全局最优解。     

基于粒子群算法的后桥可靠性稳健优化设计

为提高车辆零部件的安全性和稳健性,应用可靠性稳健优化设计理论和多目标决策方法,将车辆后桥的可靠性稳健优化设计转化为多目标优化问题.通过模糊多目标粒子群算法求出所有满足约束性条件的pareto解集,结合实际情况,依据pareto解集确定零部件的设计规格.实验表明,所提方法能迅速有效地获得可靠性稳健设计的信息.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于SPEA2+的产品族模块单元多目标规划方法

在分析零件功能和物理特性的基础上,应用模糊数学理论给出产品族模块单元规划准则的量化计算方法,建立产品族模块单元多目标规划优化模型。针对传统的目标加权法在模型求解中的不足,采用改进的强度Pareto进化算法(SPEA2+)对模块单元多目标规划问题进行优化求解,从而得到一系列基于Pareto解集的产品模块规划方案,并利用模糊集合理论的Pareto综合选优方法得到了产品模块多目标规划的最优方案。结合项目实施以缝纫机为应用实例,验证提出方法的有效性和适应性。     

模糊理论在结构动力优化设计中的应用

简述了结构动力优化设计和模糊优化设计的国内外研究进展；分单目标结构模糊动力优化设计和多目标结构模糊动力优化设计，介绍了模糊理论应用于结构动力优化设计的方法；指出了结构模糊动力优化设计理论上存在的不足和今后研究的重点。