改进的遗传算法在优化设计中的应用-JournalofNortheastern.PDFVIP

第2 6 卷第12 期 东 北 大 学 学 报 ( 自 然 科 学 版 ) Vol 26 ,No . 12 2 0 0 5 年 12 月 Journal of Nort heastern U niver sity (N at ural Science) Dec . 2 0 0 5 文章编号 : (2005) 改进的遗传算法在优化设计中的应用 何大阔 , 王福利 , 贾明兴 ( 东北大学 教育部暨辽宁省流程工业综合自动化重点实验室 , 辽宁 沈阳　110004) 摘 　　　要 : 针对实际机械优化设计中大量的非线性规划问题 ,提出一种改进的遗传算法 在对 · 单纯形搜索与算术交叉思想进行分析的基础上 ,将二者相结合 ,提出了改进的交叉算子以提高遗 传算法的局部寻优能力 ,将种群逐步向极值点引导 ,实现算法的快速寻优 同时 ,为了更好地引导 · 非可行个体趋近可行域 ,改善解的可行性 ,将惩罚策略与修复策略相结合提出修复算子 ,对不可行 解进行修复操作 ,加快个体趋近可行域的速度 ,提高算法搜索效率以及对非线性约束的处理能力 , 从而达到改善算法整体性能的目的 实际机械工程优化设计问题的应用研究验证了这种方法的有 · 效性 · 关 　键 　词 : 遗传算法 ;非线性规划 ;单纯形搜索 ;交叉算子 ;惩罚策略 ;修复算子 中图分类号 : TP 13 　　　文献标识码 : A 在工程实际机械优化设计中 ,非线性规划问 这里 f ; g 1 , g2 , …, g m ; hm + 1 , …, hm 都是定义在 1 1 题是重要的组成部分 , 占有举足轻重的地位 但 目 n n · E 上连续且一阶可导的实值函数, X 是 E 的子 前对非线性约束优化问题的求解方法各有缺陷与 集 · 局限性 ,需要进一步发展与完善 遗传算法作为一 · 用遗传算法求解此类问题的关键是搜索方法 种高性能的智能优化方法已成功地应用于许多领 与约束处理 如何实现快速搜索与满足约束的协 · 域[ 1～4 ] ,通过与惩罚函数法等方法的结合使用 , 调是改善算法性能的基本方向 · 遗传算法也显示了其解决非线性规划问题的巨大 潜力[5～7 ] 因此 ,研究针对非线性规划 问题的遗 2 　遗传算法的改进与实现 · 传算法具有重要的理论与现实意义 本文将传统 · 2 . 1 　交叉算子 单纯形搜索方法与算术交叉相结合提出一种改进 交叉算子是遗传算法重要的寻优工具 ,对算 的交叉算子 ; 同时 ,将惩罚与修复策略相结合提出 法的收敛速度有很大影响;但 由于传统的交叉算 修复算子 ,对不可行解进行修复操作 ,引导非可行 子随机性较强 、方向性差 ,无法保证交叉后的子代 个体趋近可行域 ,提高算法搜索效率以及对非线