基于改进遗传算法的起重机臂架结构优化设计.pdfVIP

第31卷 第5期 武 汉理 工大学学报 ·信 息与管 理工程 版 V01．31No．5 2009年 10月 JOURNALOFWUT(INFORMATIONMANAGEMENTENGINEERING1 0ct．20HD9 文章编号：1007一l44X(2009)05—0748—04 文献标志码：A 基于改进遗传算法的起重机臂架结构优化设计 陈 昆，李清华，陈定方，卢全国，陈 沛 (武汉理工大学 物流工程学院，湖北 武汉 430063) 摘 要：在起重机臂架结构设计中，引入非均匀变异算子和小生境算子与采用浮点数编码遗传算法相结合，同 时通过个体基因改变总几率来确定浮点数编码遗传算法的变异概率，提出了一种改进的遗传算法。算例结果 表明，改进的遗传算法优化效果明显，对结构优化设计有较好的参考价值。 关键词：非均匀变异算子；小生境遗传算子 ；变异概率；结构优化；改进遗传算法 中图分类号：TP391．72 DOI：10．3963／j．issn．1007—144X．2009．05．017 遗传算法 (geneticalgorithms，GA)是一种模 非均匀变异可使遗传算法在其初始阶段主要 仿 自然选择与进化的基于种群数 目的随机搜索算 进行均匀随机搜索(全局)，而在其后期运行阶段 法 ¨]。遗传算法克服了传统优化算法对函数要 主要进行局部搜索，这时它产生的新基因值 比均 求较高，且容易陷入局部最优解而不能得到真正 匀变异所产生的基因值更接近于原有基因值。故 的全局最优解的不足，可适用于大规模、高度非线 随着遗传算法的运行，非均匀变异就使得最优解 性的不连续多峰函数的优化及无解析表达式的 目 的搜索更加集 中在某一最有希望的重点区域中。 标函数的优化，具有很强的通用性 。 2 小生境遗传算子 遗传算法的这些特点使其在工程设计中具有 较好的应用前景。然而，遗传算法作为一门较新 在生物学中，小生境是指特定环境下的一种 的科学，无论是在理论上还是在实现方法上都有 生存环境。同一种生物分别在 自己的小环境中进 很多不完善的地方。问题主要表现为它容易产生 化，每一小环境中都有 自己的最优个体。 早熟现象、局部寻优能力差、结构重分析次数过多 在用遗传算法求解多峰值函数的优化计算问 等。因此，不断地对遗传算法加以研究和改进，使 题时，有时会发生早熟现象，结果是只得到了局部 其更适合于工程实际，以便更好地、更充分地发挥 最优解。在遗传算法中引进小生境的概念，可以 遗传算法的性能和特点是非常有必要的 。 解决上述问题，防止早熟现象和找出更多的最优 解 ，该算法采用基于共享函数的小生境实现方法。 1 非均匀变异算子 共享函数是表示群体中两个体之间密切关系程度 基本遗传算法常使用的是均匀变异，均匀变 的一个函数，可记为S(d)，其中d表示个体 和 异操作是取某一范围内均匀分布的随机数来替代 个体．之问的某种关系。 原有基因值，它使个体可以在搜索空间内自由移 共享度是某个个体在群体中共享程度的一种 动，但不便于对某一重点区域进行局部搜索。为 度量，它定义为该个体与群体 内其他个体之间的 改进这个性能，通常不是取均匀分布的随机数去