基于改进免疫遗传算法的桥式起重机主梁优化.pdfVIP

基于改进免疫遗传算法的桥式起重机主梁优化 西南交通大学机械工程研究 　庞延波　于兰峰　唐连生 　　摘　要:提出了一种改进的免疫遗传算法, 该算法突出了免疫系统中抗体免疫遗传进化思想, 模拟抗体之 间的促进和抑制反应, 利用抗原与抗体的相似度和适应度描述可行解与最优解的逼近程度, 实现系统对环境的 自适应, 并将该方法应用于桥式起重机主梁的可靠性优化计算, 通过与其他优化方法对比, 大大降低了主梁的 自重, 为企业节约了生产成本。 关键词:免疫遗传算法;桥式起重机;优化 Abstract:The paper expounds an improved artificial immune genetic algorithm.It is characterized by evolution idea of anti- body in immune system, simulating hastening and restraining reactions among antibodies, describing the approach degree to feasi- bility and optimization using similarity and adaptation between antigen and antibody, realizing the system self-adaptation to con- dition.It can be used to do reliability optimization of main girder for overhead traveling crane.Comparedwith otherways, it can reduce craneweight and cost. Keywords:immune genetic algorithm;overhead traveling crane;optimization 　　起重机金属结构自重是衡量起重机产品绩效的 习抗原模式, 除具备学习和记忆能力外, 还表现出 重要经济指标, 在保证其可靠运行的前提下, 尽量 个体修复能力, 并具有极强的自适应性和自组织 减轻起重机的自重, 有利于制造厂商降低生产成 性, 通过对演化记忆细胞进行克隆抑制和亲和突变 本, 提高市场竞争力。 目前的工程优化设计主要还 后, 提高细胞存活率, 增强其亲和力, 减轻选择压 是借用数学规划中连续变量的约束非线性最优化方 力, 对于混合离散变量优化的工程应用有着重要的 法, 然而, 起重机金属结构优化 面临的设计变量 实用价值。单纯的免疫遗传算法对搜索过程中较好 是连续变量和离散变量的混合设计问题, 混合离散 个体的维持性较差, 群体多样性不足, 很容易导致 变量优化方法只能在有限的离散点上进行搜索计 优秀个体的消失以及易于出现早熟现象, 且不能保 算, 并且, 要对最后的优化结果做出圆整, 这种优 证其收敛性, 有必要对免疫遗传算法进行改进。 化得出的结果已经不是离散设计变量的最优解, 同 1 　免疫遗传系统的组成及功能 时, 离散最优化也是当前机械工程优化设计发展的 难点和重点。对于非线性离散变量的优化设计, 工 1.1 　免疫遗传算法简介 程界中曾陆续提出拟离散法、 离散变量的惩罚函数 遗传算法 (G )是一种启发式蒙特卡洛反演 [1, 2] 法、 离散变量的随机搜索法、 离散搜索法 等多 方法, 最早由美国Michigan 大学的JohnHolland 教授 种优化设计方法。这些算法各有特点, 但是其求得 提出, 通过模拟自然界中的生命进化过程, 有指导 的离散最优解并非真正意义上的最优解, 还不能满 性地进行非盲目地随机搜索, 适用于在人工系统中 足混合离散变量最优化问题求解的要求。近几年有 解决复杂特定目标的非线性反演问题。许多学者将 [3, 4] 学者将免疫遗传算法引入到工程优化设计中 , 遗传算法应用于函数优化问题的研究, 研究表明遗 同样对于局部空间搜索问题也不是