基于混合遺傳算法的機構(gòu)運動鏈同構(gòu)判別研究.pdf

1、機構(gòu)運動鏈的同構(gòu)判別作為機械創(chuàng)新設計、智能CAD系統(tǒng)中的重要研究內(nèi)容，具有非常重要的意義。同時它也是機構(gòu)結(jié)構(gòu)自動綜合中的最為困難的問題。在長達40-50年的時間里一直沒有找到圓滿的解決方案，成為近年來的一個研究熱點。
　　本文將機構(gòu)運動鏈的同構(gòu)判別問題通過一系列的轉(zhuǎn)變成為求解最優(yōu)化問題，同時構(gòu)造了機構(gòu)同構(gòu)判別的目標函數(shù)和判定準則。在此基礎上，將遺傳算法運用到機構(gòu)運動鏈同構(gòu)判別問題中來，分析了基本遺傳算法用來進行最優(yōu)化問題的求解存在

2、著容易陷入局部最優(yōu)，收斂后期速度變慢等缺陷，本文采用混合遺傳優(yōu)化算法來尋找優(yōu)化問題的最優(yōu)解。
　　本文提出了一種最優(yōu)交叉克隆遺傳算法用來進行機構(gòu)運動鏈同構(gòu)判定，其中最優(yōu)保存策略保證了算法的收斂性能，最優(yōu)交叉保證了算法的收斂速度，而克隆選擇的加入保證了算法種群的多樣性，從而有利于全局收斂。同時針對遺傳算法的局部搜索能力較弱，引入了模擬退火算法，形成最優(yōu)交叉克隆遺傳-模擬退火算法，充分發(fā)揮了兩種算法的優(yōu)點，提高了算法的效率。利用12桿

3、、14桿、15桿三種機構(gòu)運動鏈作為上述提出的算法的運算例子，通過仿真實驗得出上述理論用在同構(gòu)識別的準確性，同時與已有文獻的結(jié)果進行比較，比較結(jié)果表明上述改進的算法有更好的優(yōu)化性能。
　　本文將人工魚群算法運用到機構(gòu)運動鏈的同構(gòu)判別問題中來，生成了人工魚群算法用來機構(gòu)同構(gòu)判別的模型。在此基礎上將遺傳算法和模擬退火算法引入到人工魚群算法中來，給出了遺傳算法、人工魚群算法和模擬退火算法結(jié)合的理論依據(jù)，提出了基于魚群-遺傳-模擬退火算法的