改進人工蜂群算法及其在切削參數優(yōu)化問題中的應用研究.pdf

1、群體智能是指昆蟲或動物等群居性生物群體之間通過個體之間的相互協作而表現出的宏觀智能行為特征,其中,人工蜂群算法就是受蜜蜂群體在采蜜時所表現出的群體智能行為的啟發(fā)而提出的,已經被廣泛應用于解決許多工程問題。切削參數優(yōu)化的研究已有很長一段時間的歷史,近年來隨著計算機技術的快速發(fā)展,群體智能優(yōu)化算法已成為研究切削參數優(yōu)化的重要工具,本文嘗試改進人工蜂群算法解決切削參數優(yōu)化問題。
　　首先,通過對蜂群采蜜模型的分析以及基本人工蜂群算法思路

2、和機理的介紹,在基本人工蜂群算法詳細流程圖的基礎上,編寫程序測試基本人工蜂群算法在求解高維度連續(xù)函數問題上的效果。通過測試,分析基本人工蜂群算法在搜索策略中存在的不足,并通過引入局部搜索策略提出一種改進人工蜂群算法。最后,再次通過算法測試,驗證提出算法求解高維度連續(xù)函數優(yōu)化問題的有效性。
　　然后,針對切削參數優(yōu)化問題,根據實際生產過程中企業(yè)所追求的低成本目標,確立以單元生產成本為目標的單目標切削參數優(yōu)化模型,并采用前面提出的改進

3、人工蜂群算法對其進行優(yōu)化測試,通過測試結果的比較,驗證了基于局部搜索策略的改進人工蜂群算法在解決切削參數優(yōu)化模型上的可行性和優(yōu)越性。在取得良好效果的基礎上,進一步建立關于單元生產時間、成本與生產過程中碳排放目標的多目標切削參數優(yōu)化模型。針對多目標問題提出相應的改進人工蜂群算法并測試多目標切削參數優(yōu)化模型。通過多目標切削參數模型的優(yōu)化測試,一方面進一步地證實了本文提出的改進人工蜂群算法解決相關問題的有效性,另一方面,也能顯示生產加工過程中