改進(jìn)的遺傳算法及其在模具優(yōu)化設(shè)計中的應(yīng)用.pdf

1、遺傳算法(Genetic Algorithm)是一種借鑒生物界自然選擇和進(jìn)化機制發(fā)展起來的高度并行、隨機、自適應(yīng)的全局優(yōu)化概率搜索算法。其優(yōu)勢在于能夠高效處理傳統(tǒng)優(yōu)化算法難以解決的復(fù)雜的非線性問題。由于其簡單易行，不受搜索空間的限制性假設(shè)的約束，具有隱含并行性以及較強的魯棒性和全局搜索能力，已被廣泛應(yīng)用于函數(shù)優(yōu)化、機器學(xué)習(xí)、自適應(yīng)控制系統(tǒng)等眾多領(lǐng)域。 模具優(yōu)化設(shè)計理論與方法是當(dāng)前國際上一個前沿課題以及人們熱衷的研究領(lǐng)域。由于優(yōu)化

2、過程中，目標(biāo)和約束函數(shù)基本上是設(shè)計變量的隱函數(shù)，使得靈敏度分析和函數(shù)計算變得十分困難，因此，研究模具設(shè)計的高性能優(yōu)化方法，在保證找到最優(yōu)解的同時，提高計算效率至關(guān)重要。 本文的主要工作是研究遺傳算法的改進(jìn)，并將其應(yīng)用到模具優(yōu)化設(shè)計中。 首先，概述了模具優(yōu)化設(shè)計和遺傳算法的歷史及發(fā)展現(xiàn)狀，介紹了遺傳算法的特點及應(yīng)用，簡述了其基本原理以及技術(shù)實現(xiàn)。 其次，提出一種基于物種方程和Kriging算子的多種群遺傳算法。該算

3、法中，令物種方程中的參數(shù)作為個體的設(shè)計變量進(jìn)行實數(shù)編碼，方程的穩(wěn)態(tài)解作為一種修正的算術(shù)交叉算子參與遺傳操作，增加個體多樣性；加入Kriging算子，根據(jù)所有個體的信息模擬出最優(yōu)解，以提高全局搜索能力及計算效率；采用移民策略，增加種群問的信息交流，加快各種群向最優(yōu)解收斂。大量的數(shù)值算例表明了改進(jìn)算法的高效性和適用性。 最后，將改進(jìn)的遺傳算法與注塑模流動數(shù)值模擬程序Z-MOLD相結(jié)合，對變厚度板和手機殼上面板澆口位置進(jìn)行了優(yōu)化設(shè)計，