文档介绍：广东工业大学
硕士学位论文
改进的遗传算法研究及其在机械设计中的应用
姓名:陈爱国
申请学位级别:硕士
专业:软件工程
指导教师:唐平;马银良
20050328
摘要遗传算法是一类借鉴生物界的进化规律收生存,优胜劣汰遗传机制莼吹乃婊呕阉鞣椒āK怯擅拦瓾教授年首先提出,其主要特点是直接对结构对象进行操作,不存在求导和函数连续性的限定;具有内在的隐并行性和更好的全局寻优能力;采用概率化的寻优方法,能自动获取和指导优化的搜索空间,自适应地调整搜索方向,不需要确定的规则。是现代有关智能计算中的关键技本文在介绍了遗传算法的起源、历程、主要研究方向、遗传算法的基本原理以及遗传算法的应用特点的基础上,尝试着对遗传算法的各组成要素的具体策略进行研究,然后,结合其具体的应用类型分别提出适合各自情况的高效的改进的遗传算法方案,最后,利用改进的遗传算法对机械优化设计进为此,本论文的工作主要包括:芯咳旧宓谋嗦敕绞健⑹视χ评价函数、选择算子、交叉算子、变异算子和控制参数等遗传算法组成要素的实现形式;研究遗传算法的并行性和遗传算法与局部优先算法相结合的混合遗传算法。通过以上研究,提出了处理遗传算法不可行解的可行解搜索法的实现方案、稳态复制和共享方法的实现方法以及几种实现遗传算法并行性的方法与模型,并探讨了混合遗传算法。砸糯惴ㄔ诤优化、组合优化、多目标优化、模糊优化等类型的应用进行了研究,分别提出了适合各自情况的改进的遗传算法方案:在函数优化方面,提出了改进的实数编码梯度函数优化的遗传算法,加快了收敛和提高了准确性;在组合优化方面,提出了集覆盖问题基于列的编码的遗传算法的具体实现方案;在多目标优化方面。提出了分级排序式遗传算法的具体实现方案;在模糊优化方面,提出了基于模糊逻辑的多目标遗传算法的实现思路。愿慕囊糯惴ㄔ诨涤呕杓领域中的应用进行了实例研究。主要是利用改进的遗传算法对尺寸链尺寸公差和外翻式五铰双曲轴合模机构有关参数进行了编程优化设计,取得了很好的效果,关健词:遗传算法:优化设计;机械工程;智能计算行编程与实例研究。具有很强的实用价值。术之一。
,,甀,琣.。.,瓾甶:琲瑃琤甌琧,瓼,,,,,:,
猳甀.,甀畉猼瑆:琌,,Ⅲ
【是一类借鉴生物界的进化规律者生存,优胜劣汰遗传机制莼吹乃婊阉鞣椒āK怯擅拦达尔文的自然选择学说是一种被人们广泛接受的生物进化学说。这斗争、种间斗争以及生物跟无机环境之间的斗争三个方面。在生存斗争中,具有有利变异的个体容易存活下来,并且有更多的机会将有利变异传给后代;具有不利变异的个体就容易被淘汰,产生后代的机会也少的多。因此,凡是在生存斗争中获胜的个体都是对环境适应性比较强的。达尔文把这种在生存斗争中适者生存,不适者淘汰的过程叫做自然选择。它表明,遗传和变异是决定生物进化的内在因素。自然界中的多种生物之所以能够适应环境而得以生存进化,是和遗传和变异生命现象分不开的。正是生物的这种遗传特性,使生物界的物种能够保持相对的稳定:而生物的变异特性,使生物个体产生新的性状,以致于形成新的物种,推动了生物的进化和发遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型。它的思想源于生物遗传学和适者生存的自然规律,是具有“生存觳狻钡牡痰乃阉魉惴āR糯惴ㄒ砸恢秩禾逯械乃懈鎏逦6象,并利用随机化技术指导对一个被编码的参数空间进行高效搜索。其中,选择、交叉和变异构成了遗传算法的遗传操作;参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、控制参数设定五个要素组成了遗传算法的核心内容。作为一种新的全局优化搜索算法,遗传算法以其简单通用、鲁棒性强、适于并行处理以及高效、实用等显著特点,在各个领遗传算法瓾教授年首先提出。种学说认为,生物要生存下去,就必须进行生存斗争。生存斗争包括种内域得到了广泛应用,取得了良好效果,并逐渐成为重要的智能算法之一。展,
我们习惯上把晏岢龅腉莆4车腉K闹饕2街琛因型串结构数据,这些串结构数据的不同组合便构成了不同的点。为一个个体,龈鎏骞钩闪艘桓鋈禾濉哉釴个串结构数据作为初适应性值评估检测:适应性函数表明个体或解的优劣性。不同的问选择:选择的目的是为了从当前群体中选出优良的个体,使它们有机会作为父代为下一代繁殖子孙。遗传算法通过选择过程体现这一思想,进行选择的原则是适应性强的个体为下一代贡献一个或多个后代的概率大。选择实现了达尔文的适者生存原则。交换:交换操作是遗传算法中最主要的遗传操作。通过交换操作可以得到新一代个体,新个体组合了其父辈个体的特性。交换体现了信息交变异:变异首先在群体中随机选择一个个体,对于选中的个体以一定的概率随机地改变串结构数据中某个串的值。同生物界一样,中变异发生的概率很低,通常取值在~洹1