改进的遗传算法及其在压力机优化设计系统中的应用

摘要

本文把遗传算法应用在OptimalPrCAD的零部件优化设计模块中，用于改善优化设计效果不理想的缺点。遗传算法是一类可用于复杂问题优化计算的随机搜索算法，具有思想简单、易于实现、应用效果明显等优点，近年来在国内外得到较为广泛的应用。但它存在收敛速度缓慢，局部搜索能力较弱，容易出现早熟现象等不足。 本文通过对遗传算法进行研究，针对其缺点，结合了自适应调整策略和模拟退火算法的思想进行适当的改进。改进后的遗传算法采用实数编码策略，引入了结合模拟退火思想的惩罚函数，交叉、变异概率的双层自适应调整策略和用于改善局部搜索能力的爬山算子。 本文的遗传算法改进思想是有效的，本文利用改进的遗传算法，在六个典型的测试函数上进行试验，结果表明改进的遗传算法在全局和局部搜索能力方面都有较大的改善，有效地避免了早熟现象，进一步提高了收敛速度。

目录

文摘

英文文摘

第一章绪论

1.1本文的研究背景及意义

1.2机械优化设计研究进展

1.3常用优化方法介绍

1.4遗传算法的研究历史与现状

1.5本文的主要工作

1.6本章小结

第二章遗传算法

2.1遗传算法的运算过程

2.2遗传算法的基本理论

2.3遗传算法的基本思想

2.4遗传算法的特点与应用

2.5本章小结

第三章Optimal PrCAD系统

3.1 Optimal PrCAD系统简介

3.2 Optimal PrCAD系统总体结构

3.3 Optimal PrCAD优化设计模块

3.4本章小结

第四章遗传算法的改进

4.1遗传算法的不足

4.2改进遗传算法的相关思想

4.3改进的遗传算法

4.4改进后算法的流程

4.5算法的性能测试

4.6本章小结

第五章改进遗传算法的应用

5.1曲轴优化设计的数学模型

5.2曲轴优化结果分析

5.3模块运行界面

5.4本章小结

结束语

参考文献

致谢

学位论文原创性声明