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.     

车辆前轴的多目标可靠性稳健优化设计

应用车辆零部件可靠性稳健优化设计的理论方法，对车辆前轴进行了可靠性稳健优化设计。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。实验证明该方法能迅速有效地获得可靠性稳健设计的信息。     

基于灰色粒子群算法的发动机悬置系统多目标优化设计

动力总成悬置系统悬置参数的优化可以通过移频、解耦、降低支撑处响应力等多种途径来进行,因此,悬置参数的设计是一个多目标优化问题.运用灰色理论中的关联分析的方法,选取粒子群算法中的全局极值和个体极值,并结合稳健设计思想,提出了适合于多目标模型的灰色粒子群稳健优化算法,并将该算法应用到动力总成悬置系统的优化设计中.计算结果表明,该算法不仅能够很好地协调从不同角度提出的悬置参数的优化目标,获得满意的综合效果,而且可以使优化后的悬置参数有更好的鲁棒性.     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化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解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

任意分布参数的车辆半轴的可靠性稳健设计

组合随机摄动法、四阶矩技术、可靠性优化设计、可靠性灵敏度与稳健设计等理论方法,提出了车辆半轴的可靠性稳健设计方法,将可靠性灵敏度作为目标函数之一体现在可靠性优化设计模型之中,将可靠性稳健设计归结为满足可靠性要求、重量最轻和敏感性最低的多目标优化设计问题。在基本随机参数的前四阶矩已知的情况下,可以实现基本随机参数为任意分布参数的车辆半轴的可靠性稳健设计。数值算例表明该方法是一种有效实用的设计方法。     

车辆转向机构运动精度的可靠性稳健优化设计

在车辆转向机构设计中,考虑了可控因素和噪声因素对运动精度的影响,将可靠性优化和稳健设计方法相结合,以转向机构运动精度为目标函数建立转向机构的可靠性稳健优化数学模型.把运动精度的可靠性灵敏度溶入可靠性优化设计模型之中,将可靠性稳健优化设计转化为满足可靠性要求的多目标优化问题.实例计算表明,考虑制造误差、运动副间隙等不确定因素的影响,可靠性稳健优化设计方法能有效保证转向机构的运动精度和可靠性.     

基于模拟退火粒子群算法的圆柱齿轮减速器的可靠性优化

模拟退火粒子群算法将模拟退火思想引入具有杂交和高斯变异的粒子群算法中,是一种简单快速的随机全局优化算法。将模拟退火粒子群算法与可靠性优化设计理论相结合,建立了最大化减速器传动系统可靠度的优化模型,提出了基于模拟退火粒子群算法的圆柱齿轮减速器可靠性优化方法。利用该优化方法进行一圆柱齿轮减速器的优化设计,其优化结果明显优于基本粒子群算法、混合罚函数法和传统设计方法。算例表明,该优化方法具有全局收敛且精度高的优越特性,是一种有效的可靠性优化设计方法,并对其他机械部件可靠性优化具有一定的参考意义。     

基于改进PSO的可靠性稳健优化计算方法

基于现代设计方法和可靠性设计理论,建立了多目标约束优化数学模型,根据动态加速常数和速度自适应的改进粒子群算法(PSO),用编写的程序代码实现了数学模型的数值化求解。同时研究了加速常数和粒子速度的变化对优化计算结果的影响规律。算例表明,提出的可靠性稳健优化计算方法与传统方法相比,具有简便易行、能迅速得到结构可靠性稳健优化设计信息的优点,适合工程应用。     

解决多目标优化问题的一种粒子群优化算法

优化设计已发展成为一种有效的新型工程设计方法.粒子群优化算法作为一种新型优化算法,逐渐被用于解决多目标优化问题.但目前研究还较少,本文提出了一种基于Pareto解集的多目标粒子群优化算法.采用一个"记忆体"来存储当前得到的Pareto最优解,对当前所得到的Pareto最优解进行相互比较,以确定一个较优的微粒作为微粒群更新方程中的全局极值,由此来引导其它粒子尽快向最优靠拢,达到算法收敛的目的.测试函数的仿真实验结果表明该算法取得了很好的效果.     

非正态分布参数的车辆零件可靠性稳健设计

将可靠性优化设计理论、可靠性灵敏度技术与稳健设计方法相结合,讨论了具有非正态分布参数的车辆零件的可靠性稳健设计问题,提出了可靠性稳健设计的计算方法。把可靠性灵敏度溶入可靠性优化设计模型之中,将可靠性稳健设计归结为满足可靠性要求的多目标优化问题。在基本随机参数的前四阶矩已知的情况下,通过计算机程序可以实现具有非正态分布参数的车辆零件的可靠性稳健设计,迅速准确地得到具有非正态分布参数的车辆零件的可靠性稳健设计信息。数值算例表明所提出的方法是一种非常方便和实用的可靠性稳健设计方法。     

A hyperspherical particle swarm optimizer for robust engineering design

This paper presents a novel multi-objective particle swarm optimizer, called hyperspherical particle swarm optimization (HSPSO), which efficiently deals with robust engineering design problems. In contrast to traditional optimization methods which rely on single-point design configurations, the HSPSO method evolves multi-dimensional design surfaces while simultaneously optimizing several potentially conflicting objectives and minimizing product/process variations. The hyperspherical representation is accommodated by incorporating manufacturing tolerances for design variables, and sensitivity analysis is performed to maintain feasibility within the design region. Hyperspherical particles are automatically evaluated, and non-inferior solutions are identified by the Pareto-dominance strategy. To enhance the local search ability of the particle swarm optimization algorithm, a gradient descent algorithm is applied, and fitness evaluation is performed by using a crowding factor, which defines the density of the population along the Pareto front. The performance of the proposed HSPSO algorithm is highlighted by reporting on three robust engineering design problems, which involve a mixture of single objective and multiple conflicting objectives along with integer, discrete and continuous design parameters. Monte Carlo simulations are used to assess the reliability of the obtained results.     

基于改进粒子群算法的供应商参与可靠性设计优化

研究供应商参与下的汽车产品子系统可靠性设计的优化问题,考虑供应商参与产品设计的可信度因素,建立以最大化系统的可靠度和供应商的可信度为优化目标的多目标数学规划模型。通过加权的方法把多目标优化模型转化为单目标非线性整数规划模型。采用粒子群(Particle swarm optimization,PSO)算法进行求解,提出适用于“零部件—供应商”关系的离散粒子编码方法。设计带有自适应动态惩罚项的适应度函数,把优化问题转化为无约束优化问题,并将粒子的搜索范围扩展到近可行解空间,进而较好地改进了算法的搜索速度和收敛性能。以某中级轿车传动系统零部件可靠性设计的优化问题为实例,进行仿真研究,应用质量功能展开和模糊评判的方法生成了零部件的权重和供应商可信度初始数据值,仿真结果验证了所提出PSO算法的实用性和有效性。     

多目标柔性作业车间分批优化调度

为解决多目标柔性作业车间分批调度问题,提出了一种基于粒子群算法的多目标柔性分批调度算法。提出了一种基于游标的柔性批量分割方法,并采用一种批量分割与加工工序相融合的粒子编码方法,使得该算法不但可根据机床负荷将工件分割成具有柔性批量的多个子批,而且可使子批工艺路线选取及加工排序同时得到优化。算法引入了决策者的偏好信息,用于引导算法的搜索方向,使搜索结果集中于决策者感兴趣的Pareto边沿,避免了决策者在众多非劣解中做出困难选择。通过实例仿真,对算法性能进行了比较分析和评价,结果表明了算法的有效性和可行性。最后,从生产实际出发给出了算例,证明了算法的有效性和对生产实践的指导作用。     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

改进的粒子群算法在可靠性优化设计中的应用

针对粒子群优化算法在处理约束问题时产生的不可行解,引用基于多级罚函数的约束处理方法。为了改进罚函数粒子群算法易早熟、后期收敛慢、易陷入局部最优解的缺点,提出了动态改变惩罚系数的改进粒子群算法。应用于几个经典的测试函数,都在较少的迭代次数内得到了高精度的优化解,验证了算法的有效性。以某一机械零部件的可靠性优化为例,建立了基于改进粒子群算法的可靠性优化设计模型。结果表明:该方法能快速有效地解决可靠性优化设计问题,计算结果明显优于常规的多级罚函数法。     

矿用对旋式轴流通风机扩散器结构多目标优化设计

以矿用对旋式轴流通风机为研究对象,应用粒子群优化算法对其扩散器结构设计参数进行了优化。首先,应用实验设计方法研究了通风机扩散器结构设计参数与通风机全压及效率之间的关系。研究结果表明：随着扩散器芯筒尾部半径R1的增大,通风机全压会先降低而后增高;通风机全压随着扩散器出口截面半径R2的增大而减小,随扩散器长度L1的增大而增大。通风机效率随R1、L1的增大而增大,随R2的增大而减小,且L1对通风机效率的影响最为显著。然后,以通风机全压及效率为优化目标,以扩散器结构设计参数为设计变量,应用粒子群优化算法对其进行多目标优化。
     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.     

Solving a multi-objective job shop scheduling problem with sequence-dependent setup times by a Pareto archive PSO combined with genetic operators and VNS

In this paper, we present a combination of particle swarm optimization (PSO) and genetic operators for a multi-objective job shop scheduling problem that minimizes the mean weighted completion time and the sum of the weighted tardiness/earliness costs, simultaneously. At first, we propose a new integer linear programming for the given problem. Then, we redefine and modify PSO by introducing genetic operators, such as crossover and mutation operators, to update particles and improve particles by variable neighborhood search. Furthermore, we consider sequence-dependent setup times. We then design a Pareto archive PSO, where the global best position selection is combined with the crowding measure-based archive updating method. To prove the efficiency of our proposed PSO, a number of test problems are solved. Its reliability based on some comparison metrics is compared with a prominent multi-objective genetic algorithm (MOGA), namely non-dominated sorting genetic algorithm II (NSGA-II). The computational results show that the proposed PSO outperforms the above MOGA, especially for large-sized problems.