合肥工业大学研究生精品教材《机械优化设计》_第07章(免费阅读).pptVIP

《机械优化设计》 《机械优化设计》 合肥工业大学 吕新生 张晔 2009.12 本书目录 第7章 其它优化设计方法 7.1 遗传进化法简介 7.1.1 遗传进化法的仿生基础 7.1.2 框图 7.1.3 特点 7.2 蚁群算法 7.2.1 旅行商问题与广义旅行商问题 7.2.2 蚁群算法 7.2.3 用蚁群算法求解广义旅行商问题 7.2.4 验证算例 7.2.5 应用实例——数控多轮廓加工走刀空行程路径优化 思考与练习 7.1 遗传进化法简介 在前言中我们曾经说过“优化是人类的本性，优化是大自然发展的法则”，因此，自然界演变的规律给我们开展工程优化设计不断带来新的有益启示。从本质上来说，优化设计就是用计算机来模拟、重现自然界的演变发展规律，或者来说人为地加速这种演变和发展，达到寻优的目的。这一点在许多优化方法中得到了充分和直观的体现。例如，基于生理学的神经网络，基于统计物理的模拟退火法，以及近年来成为许多硕士、博士生研究热点的遗传进化法。这里对遗传进化法进行一个简要的介绍。 7.1.1 遗传进化法的仿生基础 7.1.2 框图 7.1.3 特点 7.1.1 遗传进化法的仿生基础 自然界的一切生物（动物、植物）包括人类自身都是在不断进化的，达尔文的《物种起源》早就雄辩地证明了这一点，而这种进化是通过数十万年来生物一代代繁衍过程中的遗传和变异实现的。分子遗传学的研究更进一步揭示出基因在这一过程中起着关键的作用。克隆技术的最新研究成果充分证明了这一点。 遗传进化法就是基于生物进化论和分子遗传学而开发出来的一种工程优化方法。 1. 遗传进化法的主要环节 问题的表示： 基因是生物进化的信息载体，它记录了生物通过遗传和变异不断进化的全部信息。在利用遗传进化法进行工程优化时，也需要这样的一种载体，这就是被称作基因组的二进制位串。 如果一个工程优化中有n个可调的影响因素，每个因素可取不同的数值，则这n个可调因素所有可取数值的全部可能的组合，就构成全部的可能设计方案。说穿了，这里的可调因素，其实质就是我们过去所说的设计变量（这里称作基因）。基因的可能组合对应于一种可能的设计方案（这里称作基因组），方案的优劣与基因组中每个基因的取值及其组合有关，而全体可能组合则构成了基因库，实质上就是我们过去所说的设计空间。 对于动植物来说，遗传进化所遵循的原则是“适者生存，优胜劣汰”，一句话，进化向着更加适应所处环境的方向发展，而对于工程优化来说，优化的目的是设计方案的可行性和最优性。因此，在遗传进化法中，也要建立评估方案优劣的判据，这就是所谓的“适合度”。它实质上是方案可行性和最优性的综合函数（包括无约束优化中的目标函数、约束有优化中的罚函数、广义目标函数、有效目标函数等）。 对于一个工程优化问题，定义了设计变量、约束函数、目标函数就完成了工程问题的数学描述，也就是我们所说的数学建模。因此，当使用遗传进化法时，定义了基因、基因组和适合度函数，也就完成了工程问题的遗传进化法表示。 这里有两点需要说明： （1）遗传进化法中的基因组是二进制位串。 例如，某优化问题有7个设计变量x1～x7，即x1 x2 x3…x7就是基因组，但这是一个二进制的位串，也就是说xi只能取0或1，所以遗传进化法实质上是解决离散变量优化，而且是离散优化中的0—1规划问题。不过，遗传进化法的鼻祖John Holland曾详细阐述了一般优化解用二进制位串表示的可行性和适用性。因此，如何将具体的工程优化问题的解表示为二进制位串仍然是当前的一个研究重点。 （2）生物进化向着更加适应所处环境的方向发展，这是对群体、对整个物种、整个生物界而言，对于其中的个体来说，则不一定都是如此。 有的个体遗传变异的结果是退化、淘汰、灭亡。遗传进化法既然是对生物进化过程的模拟，就必须考虑到这一点。 因此，遗传进化法不像传统的优化方法那样从设计空间中的一个点（初始点）出发进行搜索寻优，而是对m个点同时进行处理，不断生成新的基因组，并在它们之中“优存劣汰”。从而保证由m个点组成的总体向着优化的方向发展，遗传进化法具有并行优化、提高效率、有利于找到全局最优解的特点，这些特点将在最后详细介绍。 2. 三种基本算子 遗传进化法有三种基本算子： （1）交叉组合复制 遗传的特点：一个孩子的身上可以体现出其父母所具有的特征，这是遗传。 遗传进化法模拟了这一过程，具体做法是，从m个基因组中随机选出两个基因组充当父母；如果这个基因组由L个基因组成（如7个），则随机产生1～7中的一个整数（如4），那么从第4位起，父母基因组双方交换基因，得到两组新的基因，这就是他们的子女，显然，子女的基因是父母基因的交叉组合。 （2）变异 自然界中的变异是随机的、突发的，遗传进化法中的变异也是随机的，具体做法是：首先定义一个变异概率阈值，对于新