版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著對制造過程智能化和精確量化的要求,企業(yè)往往尋求在滿足各種基本制造過程約束的條件下,使得制造過程的某些指標(biāo)達(dá)到最優(yōu)化。在描述這些工程問題時,有的模型為離散的變量高度耦合的多模態(tài)單目標(biāo)模型;有些為非凸非凹的多目標(biāo)優(yōu)化模型;另外有些不僅是多目標(biāo)的,且與時間因素有關(guān)。在確定這些工藝最優(yōu)參數(shù)時,如果采用傳統(tǒng)的優(yōu)化方法,根本無法達(dá)到制造過程的精準(zhǔn)化控制的目標(biāo)要求。因此,尋找更有效的優(yōu)化方法,并應(yīng)用于機(jī)械工程領(lǐng)域具有重要的科學(xué)意義和應(yīng)用價值。隨著
2、人工智能的興起,群體智能為復(fù)雜的機(jī)械系統(tǒng)優(yōu)化問題特別是多目標(biāo)問題開辟了新途徑。本文針對幾類復(fù)雜優(yōu)化問題,包括經(jīng)典的多模態(tài)耦合、復(fù)雜高維、靜態(tài)多目標(biāo)以及動態(tài)多目標(biāo)問題,在“教”與“學(xué)”算法(TLBO)的基礎(chǔ)上分別構(gòu)建了基于模糊聚類分組的“教”與“學(xué)”優(yōu)化算法(FGTLBO)、基于二次插值和經(jīng)驗(yàn)的“教”與“學(xué)”優(yōu)化算法(QETLBO)、基于班德文效應(yīng)的多目標(biāo)“教”與“學(xué)”優(yōu)化算法(KBTLBO)以及基于協(xié)同進(jìn)化策略的人工雨滴-“教”與“學(xué)”
3、動態(tài)多目標(biāo)優(yōu)化算法(CDTLBO-ARA)。通過標(biāo)準(zhǔn)算例驗(yàn)證了算法的有效性,并在SiC單晶片切割過程表面粗糙度參數(shù)單目標(biāo)優(yōu)化、Sic單晶片線鋸切割過程多目標(biāo)參數(shù)優(yōu)化以及線鋸切割過程動態(tài)多目標(biāo)參數(shù)問題等方面進(jìn)行了應(yīng)用。
FGTLBO算法利用模糊聚類的理論把班級學(xué)員按照興趣、能力等進(jìn)行客觀的分組,以有效維持群體的多樣性,提高全局搜索能力;同時采用柯西分布的變異策略來代替均勻分布,更大概率跳出局部最優(yōu)點(diǎn),提高收斂速度;然后利用數(shù)學(xué)理
4、論證明了FGTLBO算法在變量耦合的條件下的收斂性和復(fù)雜度,并討論分組組數(shù)對算法性能的影響,仿真結(jié)果驗(yàn)證了該算法能更好的克服早熟收斂的問題,并通過S iC單晶片切割過程表面粗糙度參數(shù)單目標(biāo)優(yōu)化問題得到驗(yàn)證。
為了提升算法的收斂速度,克服高維致使算法搜索性能急劇下降的“維度災(zāi)難”問題,QETLBO算法在進(jìn)化后期每一維上引入二次插值算子局部探索機(jī)制。該算法在“學(xué)”階段引入經(jīng)驗(yàn)交流機(jī)制加以平衡,然后利用數(shù)學(xué)理論分析了QETLBO算法
5、的時間復(fù)雜度,進(jìn)一步討論種群規(guī)模對算法性能的影響。仿真結(jié)果驗(yàn)證了QETLBO算法在復(fù)雜高維優(yōu)化問題上的精確度和收斂速度有效性。
KBTLBO算法采用NSGA-Ⅱ框架,同時引入“教”與“學(xué)”機(jī)制,在種群初始化時提取搜索空間的中心位置作為先驗(yàn)知識,然后采用班德文效應(yīng)策略,從而為進(jìn)化歷史和個體迭代環(huán)境提供一個很好的引導(dǎo)機(jī)制或方向;然后利用K近鄰度量方式對產(chǎn)生的解集進(jìn)行修剪,從而得到一個分布均勻的Pareto解集。對比實(shí)驗(yàn)表明:提出的
6、KBTLBO算法在收斂性、解集分布以及均勻性上都優(yōu)于其他經(jīng)典的多目標(biāo)優(yōu)化算法,并應(yīng)用于線鋸切割SiC單晶片多目標(biāo)工藝參數(shù)優(yōu)化過程中,與其他算法對比,表明該算法的有效性。
CDTLBO-ARA算法將動態(tài)多目標(biāo)優(yōu)化問題連續(xù)變化的時間變量區(qū)間進(jìn)行等間隔離散化,將其分割成若干小子區(qū)間,在得到的每個子區(qū)間上把動態(tài)多目標(biāo)優(yōu)化問題近似為靜態(tài)多目標(biāo)優(yōu)化問題,進(jìn)而利用協(xié)同思想和正反饋機(jī)制,將局部搜索能力強(qiáng)的人工雨滴算法(Artificial R
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于灰狼優(yōu)化算法的改進(jìn)研究及其應(yīng)用.pdf
- 基于進(jìn)化算法的數(shù)值優(yōu)化問題研究及其應(yīng)用.pdf
- 基于分形的全局優(yōu)化算法及其應(yīng)用.pdf
- 基于改進(jìn)演化算法的雙層組合優(yōu)化研究及其應(yīng)用.pdf
- 基于梯度搜索的粒子群優(yōu)化算法研究及其應(yīng)用.pdf
- 基于水平集的PSO算法優(yōu)化及其應(yīng)用研究.pdf
- 基于和聲優(yōu)化算法的研究與應(yīng)用.pdf
- 基于過程優(yōu)化的蟻群算法研究與應(yīng)用.pdf
- 基于粒子群算法的查詢優(yōu)化研究與應(yīng)用.pdf
- 粒子群優(yōu)化算法的研究及其應(yīng)用.pdf
- 教與學(xué)優(yōu)化算法的改進(jìn)研究及其應(yīng)用.pdf
- 基于生物免疫的動態(tài)環(huán)境優(yōu)化算法及其應(yīng)用.pdf
- 基于人工魚的全局優(yōu)化文化算法及其應(yīng)用.pdf
- 基于多目標(biāo)優(yōu)化的粒子群算法研究及其應(yīng)用.pdf
- 基于免疫系統(tǒng)的優(yōu)化算法、模型及其應(yīng)用研究.pdf
- 基于ESO算法的多目標(biāo)拓?fù)鋬?yōu)化及其應(yīng)用研究.pdf
- 基于演化算法的多目標(biāo)優(yōu)化方法及其應(yīng)用研究.pdf
- 基于分形的全局優(yōu)化算法及其應(yīng)用
- 基于粒子群的多目標(biāo)優(yōu)化算法研究及其應(yīng)用.pdf
- 基于集群計算的免疫優(yōu)化算法及其應(yīng)用研究.pdf
評論
0/150
提交評論