多目標(biāo)遺傳算法的改進(jìn)及其變速箱參數(shù)優(yōu)化設(shè)計(jì)研究.pdf

1、多目標(biāo)優(yōu)化問(wèn)題的求解已日益成為工程界研究的熱點(diǎn),而遺傳算法作為一種全局尋優(yōu)能力優(yōu)越的算法已成為解決多目標(biāo)優(yōu)化問(wèn)題的強(qiáng)有力工具。近年來(lái),基于Pareto多目標(biāo)遺傳算法已成為研究熱點(diǎn),各領(lǐng)域?qū)W者不斷將其應(yīng)用到求解各自領(lǐng)域的案例中。
　　論文首先介紹了前人關(guān)于多目標(biāo)遺傳算法的研究及其在各工程領(lǐng)域的應(yīng)用,然后給出了基于Pareto多目標(biāo)優(yōu)化問(wèn)題的相關(guān)概念及其數(shù)學(xué)模型。進(jìn)而詳細(xì)地介紹了幾種較經(jīng)典的多目標(biāo)遺傳算法,并分析了NSGA-II、NP

2、GA等算法的優(yōu)勢(shì)與不足的地方。
　　針對(duì)NSGA-II中非支配排序算法計(jì)算復(fù)雜度高、NPGA中共享適應(yīng)度參數(shù)難以確定性等不足的地方,本文提出了一種基于最小準(zhǔn)則非支配排序算法,從理論和實(shí)踐角度驗(yàn)證了該算法在非支配排序方面具有很高的效率;同時(shí)在遺傳算法的進(jìn)化過(guò)程中,提出了基于混沌法生成種群庫(kù),填充進(jìn)化種群空間中個(gè)體分布稀疏部位,從而有效地提升了遺傳算法的全局搜索能力;最后在多目標(biāo)遺傳算法的收斂判據(jù)方面,本文提出了以相鄰兩代外部非支配個(gè)

3、體存儲(chǔ)集的世代距離之差小于設(shè)定閾值為收斂判據(jù)。通過(guò)對(duì)測(cè)試函數(shù)DTLZ1-5的測(cè)試,驗(yàn)證了改進(jìn)后的算法求解的Pareto最優(yōu)解較NSGA-II分布更加均勻,改進(jìn)算法是可行的、有效的。
　　最后,針對(duì)并聯(lián)行星輪系變速箱檔位齒輪的優(yōu)化設(shè)計(jì)問(wèn)題,探討了如何建立其數(shù)學(xué)模型,并使用改進(jìn)的多目標(biāo)遺傳算法對(duì)變速箱檔位齒輪參數(shù)進(jìn)行優(yōu)化求解。通過(guò)仿真得到優(yōu)化問(wèn)題的Pareto最優(yōu)解分布曲線圖,其分布較均勻,并與實(shí)際設(shè)計(jì)完成的模型參數(shù)相對(duì)比,驗(yàn)證了改進(jìn)