基于直覺啟發(fā)和改進(jìn)遺傳算法的形狀概念設(shè)計(jì).pdf

1、針對目前計(jì)算機(jī)輔助概念設(shè)計(jì)(CACD)領(lǐng)域的研究現(xiàn)狀，采用思維模擬的方法，對計(jì)算機(jī)輔助概念設(shè)計(jì)系統(tǒng)進(jìn)行了研究。該文結(jié)合國家自然科學(xué)基金項(xiàng)目“基于演化的概念設(shè)計(jì)生物建模理論與方法研究”(No.60174037)和“基于知識進(jìn)化的人機(jī)協(xié)同方案創(chuàng)新設(shè)計(jì)理論與方法研究”(No.50275013)的理論研究，針對概念設(shè)計(jì)中幾個熱點(diǎn)問題進(jìn)行了深入地研究。 主要研究成果： 提出了思維的基本單元變異聯(lián)想的定義。對思維的本質(zhì)特征以及基本思

2、維形式進(jìn)行了研究，并且提出了以激勵事件為分段節(jié)點(diǎn)、以變異聯(lián)想為基本單元的思維過程的分段連續(xù)函數(shù)表示方法，同時提出了用變異聯(lián)想表示其它思維形式的計(jì)算模型。 提出了直覺啟發(fā)的計(jì)算模型。針對直覺思維的產(chǎn)生過程，采用了Hopfield神經(jīng)網(wǎng)絡(luò)以及交叉變異等實(shí)現(xiàn)方法，對直覺、經(jīng)驗(yàn)、聯(lián)想和可視激勵之間的相互關(guān)系進(jìn)行了定量的描述，建立了模擬直覺啟發(fā)的認(rèn)知模型以及計(jì)算模型。最后給出了利用直覺啟發(fā)模型生成新分形圖的應(yīng)用實(shí)例，計(jì)算結(jié)果表明此算法能夠

3、實(shí)現(xiàn)創(chuàng)新。 提出了采用直覺啟發(fā)模型進(jìn)行創(chuàng)新設(shè)計(jì)的一種新方法。根據(jù)思維的突變產(chǎn)生直覺的觀點(diǎn)，給出了實(shí)現(xiàn)創(chuàng)新設(shè)計(jì)的多種基本運(yùn)算規(guī)則，并且對Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)聯(lián)想記憶的算法進(jìn)行了改進(jìn)，從而給出了利用直覺啟發(fā)模型進(jìn)行創(chuàng)新設(shè)計(jì)的計(jì)算過程。最后以桌子的自動造型設(shè)計(jì)為例對此算法進(jìn)行了驗(yàn)證，計(jì)算結(jié)果表明此算法能夠產(chǎn)生創(chuàng)新。 提出了產(chǎn)品的設(shè)計(jì)元素的統(tǒng)一的基因表達(dá)方法，該文稱之為0-1分段基因表達(dá)方法，這種表示方法既表示了產(chǎn)品的功

4、能需求特征，又便于計(jì)算，并且將其應(yīng)用于概念設(shè)計(jì)和創(chuàng)新設(shè)計(jì)過程中。 提出了兩種改進(jìn)的遺傳算法，一種該文稱之為分段遺傳算法，這種方法采用多參數(shù)級聯(lián)編碼方法，遺傳算子采用分段交叉算子和分段互異算子，解決了產(chǎn)品結(jié)構(gòu)概念設(shè)計(jì)的多目標(biāo)優(yōu)化模型的計(jì)算問題；另一種改進(jìn)的遺傳算法該文稱之為最優(yōu)蔓延遺傳算法，這種方法的特點(diǎn)是：(1)最優(yōu)解是一個群體。(2)優(yōu)化的目標(biāo)函數(shù)表達(dá)的是一類目標(biāo)。(3)遺傳運(yùn)算的目的是使群體中的最優(yōu)個體逐漸擴(kuò)大。(4)遺傳終

5、止條件是當(dāng)群體中所有的個體都是最優(yōu)個體時，則結(jié)束循環(huán)。 提出了概念設(shè)計(jì)過程中選擇最優(yōu)結(jié)構(gòu)的定量求解方法。由于概念設(shè)計(jì)中每個功能都對應(yīng)著多種實(shí)現(xiàn)結(jié)構(gòu)，哪一種結(jié)構(gòu)組合更符合顧客需求，無法靠人工選擇，需要選擇合適的算法進(jìn)行計(jì)算。給出了產(chǎn)品功能與結(jié)構(gòu)、結(jié)構(gòu)與結(jié)構(gòu)之間的相互關(guān)系，定義了產(chǎn)品的相關(guān)矩陣，建立了產(chǎn)品結(jié)構(gòu)概念設(shè)計(jì)的多目標(biāo)優(yōu)化數(shù)學(xué)模型。對產(chǎn)品的功能、行為、結(jié)構(gòu)等各種設(shè)計(jì)因素，提出了統(tǒng)一的設(shè)計(jì)因素基因表達(dá)的定義。對最優(yōu)保存簡單遺傳算

6、法進(jìn)行了改進(jìn)，給出了選擇最優(yōu)結(jié)構(gòu)的數(shù)學(xué)計(jì)算過程。實(shí)例分析表明采用這種方法能夠?qū)崿F(xiàn)最優(yōu)結(jié)構(gòu)選擇的自動化設(shè)計(jì)，并且這種改進(jìn)的遺傳算法能夠獲得很好的在線性能與離線性能。 提出了創(chuàng)新設(shè)計(jì)過程中創(chuàng)新解的適應(yīng)度選擇方法。對生成進(jìn)化設(shè)計(jì)方法進(jìn)行了研究，此方法通過遺傳運(yùn)算能夠產(chǎn)生創(chuàng)新設(shè)計(jì)解，但創(chuàng)新解的選擇常常通過人工選擇，這影響了計(jì)算速度，因此對創(chuàng)新解的適應(yīng)度選擇問題進(jìn)行了研究，得出了滿足顧客需求的適應(yīng)度選擇方法。 提出了多個新的細(xì)胞遺

7、傳算子。首先對細(xì)胞遺傳算法進(jìn)行了改進(jìn)，給出了多種交叉算子、多種變異算子、替換算子、壓縮算子、拼貼壓縮算子、壓縮擴(kuò)展算子、低維向高維擴(kuò)展算子等細(xì)胞遺傳算子，然后提出了分形半乘積的定義，并應(yīng)用于IFS分形的低維向高維轉(zhuǎn)換過程，最后對細(xì)胞遺傳算法在創(chuàng)新設(shè)計(jì)中的應(yīng)用進(jìn)行了研究。 提出了直覺啟發(fā)和遺傳算法相結(jié)合的變異設(shè)計(jì)方法。給出了三種結(jié)合方法，第一種是將直覺啟發(fā)模型中的聯(lián)想記憶過程轉(zhuǎn)換成優(yōu)化過程，再通過遺傳算法進(jìn)行優(yōu)化計(jì)算；第二種方法是

8、將遺傳運(yùn)算生成的個體作為直覺啟發(fā)模型的經(jīng)驗(yàn)學(xué)習(xí)樣本，從而生成創(chuàng)新解；第三種方法是首先采用蔓延遺傳算法得出最優(yōu)結(jié)構(gòu)類群體，再用直覺啟發(fā)模型代替人腦選擇最優(yōu)解，最后對此算法進(jìn)行了實(shí)例驗(yàn)證。 提出了基于遺傳算法的概念設(shè)計(jì)的系統(tǒng)實(shí)現(xiàn)方法，形成了產(chǎn)品創(chuàng)新設(shè)計(jì)生成系統(tǒng)以及滿足客戶個性化需求的創(chuàng)新解的選擇系統(tǒng)。通過形成VB數(shù)據(jù)庫管理軟件系統(tǒng)，實(shí)現(xiàn)了滿足客戶需求的結(jié)構(gòu)選擇系統(tǒng)和生成進(jìn)化設(shè)計(jì)系統(tǒng)以及創(chuàng)新解的自動選擇系統(tǒng)。進(jìn)一步驗(yàn)證了該文提出的理論