多目标遗传算法的改进及其变速箱参数优化设计研究

摘要

多目标优化问题的求解已日益成为工程界研究的热点,而遗传算法作为一种全局寻优能力优越的算法已成为解决多目标优化问题的强有力工具。近年来,基于Pareto多目标遗传算法已成为研究热点,各领域学者不断将其应用到求解各自领域的案例中。
　　论文首先介绍了前人关于多目标遗传算法的研究及其在各工程领域的应用,然后给出了基于Pareto多目标优化问题的相关概念及其数学模型。进而详细地介绍了几种较经典的多目标遗传算法,并分析了NSGA-II、NPGA等算法的优势与不足的地方。
　　针对NSGA-II中非支配排序算法计算复杂度高、NPGA中共享适应度参数难以确定性等不足的地方,本文提出了一种基于最小准则非支配排序算法,从理论和实践角度验证了该算法在非支配排序方面具有很高的效率;同时在遗传算法的进化过程中,提出了基于混沌法生成种群库,填充进化种群空间中个体分布稀疏部位,从而有效地提升了遗传算法的全局搜索能力;最后在多目标遗传算法的收敛判据方面,本文提出了以相邻两代外部非支配个体存储集的世代距离之差小于设定阈值为收敛判据。通过对测试函数DTLZ1-5的测试,验证了改进后的算法求解的Pareto最优解较NSGA-II分布更加均匀,改进算法是可行的、有效的。
　　最后,针对并联行星轮系变速箱档位齿轮的优化设计问题,探讨了如何建立其数学模型,并使用改进的多目标遗传算法对变速箱档位齿轮参数进行优化求解。通过仿真得到优化问题的Pareto最优解分布曲线图,其分布较均匀,并与实际设计完成的模型参数相对比,验证了改进算法能很好地求解变速箱档位齿轮优化问题。

目录

封面

声明

致谢

中文摘要

英文摘要

目录

插图清单

表格清单

第一章 绪论

1.1 引言

1.2 国内外研究现状及发展方向

1.3 本文的主要内容

第二章 多目标优化问题的遗传算法求解

2.1 多目标优化问题的数学模型

2.2 多目标优化的基本概念

2.3 几种经典多目标遗传算法

2.4 多目标遗传算法性能评价

2.5 本章小结

第三章 MOGA非支配排序及基于混沌种群多样性的改进

3.1 非支配集快速构造方法

3.2 基于混沌种群多样性保持策略

3.3 改进MOGA的收敛性分析

3.4 MOGA流程图

3.5 本章小结

第四章 改进MOGA求解函数优化问题

4.1 DTLZ测试函数系列

4.2 基于最小准则排序法性能测试

4.3 改进MOGA参数设置及仿真测试

4.4 本章小结

第五章 改进MOGA求解变速箱多目标优化问题

5.1 基于HGD8G档位齿轮多目标数学模型

5.2 变速器主要参数选择

5.3 变速箱数学模型

5.4 仿真结果及分析

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况