| 【中文题名】 | 混合进化算法及工程应用研究 |
| 【英文题名】 | |
| 【学科专业】 | 飞行器设计 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-5-23 |
| 【中关键词】 | 进化算法,粒子群算法,免疫算法,拓扑优化,, |
| 【英关键词】 | Evolutionary Algorithm,Particle Swarm Optimization,Artificial Immune Algorithm,Topology Optimization, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>> |
| 【论文摘要】 | 最优化设计是研究怎样在约束条件下合理优选设计变量来得到工程问题优化方案的一种现代设计方法。在优化设计领域，进化算法以其对设计问题的数学模型依赖性小，全局搜索能力强等特点，越来越受到广泛的应用。各种基于不同进化规则的分支算法层出不穷。各种算法都有各自的优势和缺陷，如能将其中的一部分进化机制提取出来，构造有效的混合算法，能够提高算法的搜索能力。
粒子群优化算法是进化算法的一个重要分支，粒子群算法依靠基于群体信息共享的智能进化，使搜索过程紧跟当前的优势个体，因而计算效率比较高。但是，粒子群算法种群多样性丧失较快，算法比较容易陷入局部最优解。本文将免疫算法中浓度的概念引入粒子群算法中，提出了一种基于浓度概念的竞争排挤粒子群算法，增强了种群多样性，提高了算法的搜索能力。本文还提出了基于样本方差的种群多样性指标，用以定量的描述种群多样性。最后，将这种改进的粒子群算法应用于结构优化、布局优化、无人机航路规划、连杆机构再现运动规律的最优化设计、汽车盘式制动器优化设计中，得到了比较满意的效果。本文还将浓度的概念引入多目标粒子群算法，提出一种基于浓度的共享函数，合理的描述了Pareto解集的多样性，使得Pareto... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-7 |
|
第一章 绪论 |
7-11 |
|
1.1 研究背景 |
7-10 |
|
1.1.1 进化算法 |
7-9 |
|
1.1.2 拓扑优化 |
9-10 |
|
1.2 本文主要工作 |
10-11 |
|
第二章 粒子群优化算法 |
11-25 |
|
2.1 粒子群优化算法原理 |
11-12 |
|
2.2 粒子群算法的实现 |
12-15 |
|
2.3 粒子群算法与遗传算法的比较 |
15-16 |
|
2.4 粒子群算法的主要问题 |
16-23 |
|
2.4.1 粒子群算法中初始参数对收敛速度的影响 |
16-18 |
|
2.4.2 粒子群算法种群多样性问题 |
18-21 |
|
2.4.3 小生境技术 |
21-23 |
|
2.5 本章小结 |
23-25 |
|
第三章 粒子群算法的改进及其应用 |
25-61 |
|
3.1 粒子群算法的改进 |
25-29 |
|
3.2 种群多样性的指标 |
29-31 |
|
3.3 数值算例 |
31-35 |
|
3.4 工程算例 |
35-45 |
|
3.4.1 布局优化设计 |
35-42 |
|
3.4.2 无人机(UAV)航路规划 |
42-45 |
|
3.4.3 工程算例结果分析 |
45 |
|
3.5 改进粒子群算法的其它工程应用 |
45-60 |
|
3.5.1 结构优化设计 |
45-50 |
|
3.5.2 无人侦察机航路规划 |
50-53 |
|
3.5.3 四连杆机构再现运动规律优化设计 |
53-55 |
|
3.5.4 汽车盘式制动器优化设计 |
55-60 |
|
3.6 本章小结 |
60-61 |
|
第四章 多目标粒子群算法 |
61-75 |
|
4.1 多目标优化 |
61 |
|
4.2 多目标粒子群优化算法的原理与实现 |
61-64 |
|
4.2.1 Pareto解及粒子评优规则 |
61-62 |
|
4.2.2 多目标粒子群算法的粒子更新 |
62-63 |
|
4.2.3 多目标粒子群优化算法的实现 |
63-64 |
|
4.3 Pareto解的最优保存和小生境技术 |
64-68 |
|
4.3.1 Pareto解的最优保存 |
64-65 |
|
4.3.2 多目标优化算法小生境技术 |
65-68 |
|
4.4 基于小生境技术的多目标粒子群优化算法 |
68-69 |
|
4.5 算例 |
69-73 |
|
4.5.1 数值算例 |
69-70 |
|
4.5.2 齿轮箱优化 |
70-73 |
|
4.6 本章小结 |
73-75 |
|
第五章 拓扑优化 |
75-93 |
|
5.1 结构优化的三个层次 |
75-76 |
|
5.2 桁架结构拓扑优化 |
76-83 |
|
5.2.1 桁架结构拓扑优化一般模型 |
76 |
|
5.2.2 桁架结构拓扑优化模型的几种简化求解方法 |
76-81 |
|
5.2.3 算例:十杆桁架结构拓扑优化 |
81-83 |
|
5.3 连续体拓扑优化 |
83-91 |
|
5.3.1 连续体结构拓扑优化的一般模型 |
83-84 |
|
5.3.2 连续体结构拓扑优化方法 |
84-88 |
|
5.3.3 算例:二维平面结构拓扑优化 |
88-91 |
|
5.4 本章小结 |
91-93 |
|
第六章 结论与展望 |
93-95 |
|
6.1 工作总结 |
93-94 |
|
6.2 未来工作展望 |
94-95 |
|
参考文献 |
95-99 |
|
攻读硕士学位期间发表论文及课题研究 |
99-100 |
|
致谢 |
100-101 |
|
| 【DOI】 | LunWen.ID:2.2008.388503 |
