智能优化算法在机械设计中的应用研究

摘要

智能优化算法作为一种新兴的优化技术具有高效的性能和广泛的适用性，其主要包括遗传算法、粒子群算法、模拟退火法、禁忌搜索法、人工神经网络法等，这些算法比传统的优化方法更能适应多情况下的求解需求，在计算机科学、组合优化、工程优化等领域发展前景广阔。
　　本文在深入研究两种智能优化算法理论的基础上，针对五种测试函数进行数值仿真，并用于解决函数优化问题。对仿真结果进行分析，结合两种算法的优点，提出了一种新型智能优化算法，用测试函数对新型算法进行测试，并用机械优化实例进行验证，结果表明，本文所提出的算法理论与实际均成立，优化效果明显。
　　首先，深入研究了遗传算法和粒子群算法的基本理论，细致阐述二者的数学模型、构成要素、运行步骤及运算流程，通过对遗传算法适应度评价过程的研究，总结出遗传算法的特点；通过对粒子群算法参数的选择及收敛性的分析，确定了粒子群算法的收敛区域。
　　其次，运用遗传算法和粒子群算法对五种测试函数进行数值仿，仿真结果表明了两种单一智能优化算法均能求解到最优值，但是存在迭代次数不稳定、运行时间长、易陷入局部最优值等不足，针对以上问题，本文提出了新型智能优化算法—遗传粒子群结合算法，以粒子群算法为主体，融入遗传算法中交叉和选择步骤，对测试函数进行数值仿真，仿真结果表明，新型算法寻优过程平稳、运行时间短、优化效率高，证明了新型算法在理论上是有效可行的。
　　最后，通过对曳引机蜗轮体积和限速器弹簧体积的优化计算，验证了采用遗传粒子群结合算法的优化结果最明显。本文所提出的新型算法在解决机械设计问题上具有有效性，同时将结果与传统优化方法进行对比分析，证实所提出的新型算法在机械设计领域具有可行性和适用性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题来源

1.2 智能优化算法的研究背景及意义

1.3 智能优化算法的国内外研究现状

1.4 本文的主要研究内容

第2章 智能优化算法的理论基础研究

2.1 引言

2.2 遗传算法的基本理论研究

2.3 粒子群算法的基本理论研究

2.4 本章小结

第3章 智能优化算法在函数优化中的实现

3.1 引言

3.2 函数优化的模型

3.3 Matlab求解测试函数优化

3.4 两种基本智能算法数值仿真

3.5 新型智能算法—遗传粒子群结合算法

3.6 本章小结

第4章 智能算法在机械优化设计中的应用

4.1 引言

4.2 曳引机优化实例

4.3 弹簧优化实例

4.4 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢