智能優(yōu)化算法在機械設(shè)計中的應用研究.pdf

1、智能優(yōu)化算法作為一種新興的優(yōu)化技術(shù)具有高效的性能和廣泛的適用性，其主要包括遺傳算法、粒子群算法、模擬退火法、禁忌搜索法、人工神經(jīng)網(wǎng)絡(luò)法等，這些算法比傳統(tǒng)的優(yōu)化方法更能適應多情況下的求解需求，在計算機科學、組合優(yōu)化、工程優(yōu)化等領(lǐng)域發(fā)展前景廣闊。
　　本文在深入研究兩種智能優(yōu)化算法理論的基礎(chǔ)上，針對五種測試函數(shù)進行數(shù)值仿真，并用于解決函數(shù)優(yōu)化問題。對仿真結(jié)果進行分析，結(jié)合兩種算法的優(yōu)點，提出了一種新型智能優(yōu)化算法，用測試函數(shù)對新型算法

2、進行測試，并用機械優(yōu)化實例進行驗證，結(jié)果表明，本文所提出的算法理論與實際均成立，優(yōu)化效果明顯。
　　首先，深入研究了遺傳算法和粒子群算法的基本理論，細致闡述二者的數(shù)學模型、構(gòu)成要素、運行步驟及運算流程，通過對遺傳算法適應度評價過程的研究，總結(jié)出遺傳算法的特點；通過對粒子群算法參數(shù)的選擇及收斂性的分析，確定了粒子群算法的收斂區(qū)域。
　　其次，運用遺傳算法和粒子群算法對五種測試函數(shù)進行數(shù)值仿，仿真結(jié)果表明了兩種單一智能優(yōu)化算法均

3、能求解到最優(yōu)值，但是存在迭代次數(shù)不穩(wěn)定、運行時間長、易陷入局部最優(yōu)值等不足，針對以上問題，本文提出了新型智能優(yōu)化算法—遺傳粒子群結(jié)合算法，以粒子群算法為主體，融入遺傳算法中交叉和選擇步驟，對測試函數(shù)進行數(shù)值仿真，仿真結(jié)果表明，新型算法尋優(yōu)過程平穩(wěn)、運行時間短、優(yōu)化效率高，證明了新型算法在理論上是有效可行的。
　　最后，通過對曳引機蝸輪體積和限速器彈簧體積的優(yōu)化計算，驗證了采用遺傳粒子群結(jié)合算法的優(yōu)化結(jié)果最明顯。本文所提出的新型算法