8智能优化方法试卷.ppt

对上述系统模型,采用人工蚁群方法求解的算法步骤可归结为: Step1: NC←0(NC为迭代步数或搜索次数)；各τij和△τij的初始化；将m个蚂蚁置于n个顶点上； Step2: 将各蚂蚁的初始出发点置于当前解集中；对每个蚂蚁k(k=1,…,m)按概率pkij移至下一顶点j；将顶点j置于当前解集； Step3: 计算各蚂蚁的目标函数值zk(k=1,…,m)，记录当前的最好解； Step4: 按更新方程修改轨迹强度； Step5: 对各边弧(i，j)(即路径ij)，置△τij←0；NC←NC+1. Step6: 若NC预定的迭代次数且无退化行为(即找到的都是相同解),则转Step2. 6. 蚁群算法框图 * 第七章 现代优化方法 第二节 遗传算法 第三节 蚁群算法 第四节 基于神经网络的优化方法 第一节 绪论 1.现代机械产品的系统性,综合性、复杂性和规模化导致设计模型的横向扩展.例如,由零件的优化发展到部件,整机、系列和组合产品的优化,由单学科领域的优化发展到机、液、光、电、信息的集成优化； 2.对产品寿命周期优化的市场需求导致设计模型的纵向扩展,例如从功能优化、原理方案设计优化到技术设计优化;从性能参数优化、结构参数优化到面向制造的优化;从设计参数优化到加工方案和工艺参数,也即ＣＡＭ的优化;最终直至考虑产品可装配性、可使用性,可维修性和可回用性等的全寿命周期优化； 3. 对产品的要求由技术性扩展到经济性和社会性,导致基于全性能的多目标优化。 第一节 绪论 广义优化设计方法产生的背景 工程优化的发展历程 传统优化往往只适用于简单零部件，广义优化把对象由此扩展到复杂零部件、整机、系列产品和组合产品的整体优化，可统称为全系统优化。 现代优化是全系统优化 传统优化往往只侧重于某一方面性能的优化，处理不同类性能时一般分先后而优之。广义优化把优化准则由某方面性能扩展到各方面性能，要实现技术性、经济性和社会性的综合评估和优化。 现代优化是全性能协调优化 传统优化往往局限于产品技术设计阶段的优化，广义优化则把优化的范围扩展到包含功能、原理方案和原理参数、结构方案、结构参数、结构形状和公差优化的全设计过程，进而面向制造、经销、使用和用后处置的寿命周期设计过程。 现代优化是全设计过程优化 传统优化的搜索策略以数学规划方法为主，对模型数学形态的要求苛刻。广义优化设计注重开发、综合运用人类智能、人工智能和各种数学工具的新一代搜索策略，处理大规模复杂形态模型的能力显著提高，从而为全系统、全性能和全寿命周期优化模型的综合求解提供了可能。 现代优化是智能优化 传统优化一般是单学科、单方面性能、单计算机串行优化的过程，不但费时，而且难以得到综合优化解。广义优化实现了多学科、多方面性能、多计算机分布式并行协同优化,以追求综合优化解。 现代优化是多学科优化 航天、航空、通讯设备等的快速发展，提出了大量的复杂优化设计问题，为现代优化方法的产生提供了动力。 生物技术、并行计算技术和人工智能技术以及商用软件等的发展为现代优化方法提供了技术支撑。 现代优化设计方法 遗传算法 神经网络 拓扑优化 蚁群算法 模拟退火 混沌优化 禁忌算法 常用现代优化方法 　　遗传算法(Genetic Algorithm) 是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，是自然遗传学和计算机科学相互结合与渗透而形成的新的计算方法。 该方法最早是由美国Michigan大学的Holland教授于1975年提出。 生物进化 遗传算法 基因 染色体 种群 环境适应性 进化 字符 字符串 解集 目标函数值 算子 关键技术 编码 适应度 遗传算子 第二节 遗传算法 遗传算法的二进制编码过程 对设计变量进行离散化处理，得出每一个分量的离散值和离散值个数： 确定每一个设计变量的编码长度 (二进制位数)： 对每一个设计变量进行编码： 将所有设计变量编码按顺序排列在一起，变形成一个染色体。染色体长度为 二进制编码选例 在直齿圆柱齿轮减速器优化设计中，设计变量为： 0 0 1 1 1 0 1 0 1 0 0 0 1 1 1 1 适应度函数的确定 遗传算子 选择 (Selection) 交叉 (Crossover) 变异 (Mutation) 移民 (Immigrant) 遗传 算子 遗传算法的流程框图 开 始 输入种群数、交叉概率、变异概率 随机产生一组初始种群 依据个体的适应度，随机进行选择 依据交叉概率，随机进行交叉 依据变异概率，随