机构设计的遗传算法约束条件处理教案资料.pdfVIP

浙江工程学院学报 , 第 19 卷 , 第 4 期 , 2002 年 12 月 Journal of Zhejiang Institute of Science and Technology Vol . 19, No . 4, Dec1 2002 文章编号 : 1009- 4741 ( 2002) 04-0243- 04 机构设计的遗传算法约束条件处理 竺志超 ( 浙江工程学院机械与自动控制学院 杭州 310033) 摘要 : 将机构设计的约束条件分成边界约束和 性能约束 , 分 别讨论在遗 传算法中 的约束处理 方法 , 特 别提出改进惩罚策略 , 使 GA 更有效 、更普遍地处理带非线性约束的机构设计数值优化问题 。 关键词 : 机构设计 ; 遗传算法 ; 约束条件 ; 惩罚函数法 中图分类号 : TH122 文献标识码 : A 0 引 言 机构设计优化属于非线性约束优化问题 , 并且它的目标函数复杂 , 采用传统的算法往往搜索不到全局 最优解。遗传算法 ( 简称 GA) 不要求目标函数和约束是可微的 , 计算效率比较高 , 搜索结果的最好个体 在概率意义上代表全局最优解 , 因此 , 这一算法在机构设计领域开始逐渐得到了应用。本文探讨遗传算法 中约束条件的处理方法 , 目的在于将 GA 更好地应用于机构设计。 1 机构优化设计策略 机构优化设计模型通常表示为 n min f ( x ) x I R s . t . gu ( x ) [ 0 u = 1, 2, , p hv ( x ) = 0 v= 1, 2, , q [ n ( 1) 其中约束分为两类 , 一类是边界约束 , 由组成设计变量 x 的 n 个参数的允许变化的范围构成 ; 一类 是性能约束 , 如 传动角要求、曲柄存 在条件、机构 成立几何条件、强刚度条件 等等构成。当目标函数 f ( x ) 代表着某种约束时 , 上述模型并不是追求机构性能最佳 , 而仅是一种数值设计方法 , 即通过搜索寻 找满足所有约束条件的机构设计方案。例如连杆机构运动轨迹设计就是如此 , 因为可行的方案本来就不 多, 按常规的方法 , 设计变得很困难 , 此时往往采用优化方法来实现。 机构设计优化最大特点是问题的非线性及多峰 , 有效的解决方法是遗传算法。通常遗传算法用于求最 大问题。因此 , 在将目标函数值转换为适值前必须先将最小化目标函数转换为最大化目标函数 , 并通过加 法机制进行调整 : F ( x ) = C- f ( x ) y max ( 2) 式中 C 为一正常数 ( 计算时取群体中的最大适值或某一足够大的数 ) , 以便保证遗传算法搜索过程中 目标函数值始终大于零。遗传算法中的染色体即为设计变量 x , 求解过程一般直接采用浮码表达 , 每个染 收稿日期 : 2002-06-06 作者简介 : 竺志超 (