现代机械设计概论9.pptxVIP

现代机械设计概论;1 优化设计基础;1.1优化设计基础;1.2 优化设计的数学模型;1.3 优化设计的主要类型;;;2 遗传算法;遗传算法;2.1遗传算法概述;遗传算法操作使用适者生存的原则，在潜在的解决方案种群中逐次产生一个近似最优的方案。在遗传算法的每一代中，根据个体在问题域中的适应度值和从自然遗传学中借鉴来的再造方法进行个体选择，产生一个新的近似解。这个过程导致种群中个体的进化，得到的新个体比原个体更能适应环境，就像自然界中的改造一样。;遗传算法的特点 遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索法。它与传统的算法不同，大多数古典的优化算法是基于一个单一的度量函数的梯度或较高次统计，以产生一个确定性的试验解序列；遗传算法不依赖于梯度信息，而是通过模拟自然进化过程来搜索最优解，它利用某种编码技术，作用于称为染色体的数字串，模拟由这些串组成的群体的进化过程。 ;遗传算法的优点;遗传算法的缺点;遗传算法与传统方法的比较;遗传算法与启发式算法的比较;遗传算法与爬山法的比较;遗传算法与穷举法的比较;遗传算法与盲目随机法的比较; 经上面的探讨，可以看到遗传算法与传统优化方法在本质上有着不同之处，主要有以下几点： （1）遗传算法搜索种群中的点是并行的，而不是单点。 （2）遗传算法并不需要辅助信息或辅助知识，只需要影响搜索方向的目标函数和相应的适应度。 （3）遗传算法使用概率变换规则，而不是确定的变换规则。 （4）遗传算法工作使用编码参数集，而不是自身的参数集（除了在实值个体中使用）。 ;2.2遗传算法基本原理及方法;遗传算法在求解优化问题时，都是将实际问题的求解空间按一定的编码方式表现出来，即对解空间中的各个解进行编码。所谓解的编码就是把各个解用一定数目的字符串（如“0”和“1”）表示。字符串中的每一位数称为遗传基因，每一个字符串（即一个解的编码）称为一个染色体或个体。个体的集合称为群体。遗传算法的寻优过程就是通过染色体的结合，即通过双亲的基因遗传、变异和交配等，使解的编码发生变化，从而根据“适者生存”的规律???最终找出最优解。表1列出了生物遗传的基本概念在遗传算法中的体现。;生物遗传的基本概念;2） 适应度函数是用以描述个体适应环境的程度，也是生物进化中决定哪些染色体可以产生优良后代（适者生存）的依据。一般是，个体的适应度函数值越大，则个体性能越好，生存可能性越大；反之，若个体的适应度函数值越小，则个体的性能越差，越有可能被淘汰。 3） 遗传算子包括复制（或选择）算子、交配算子和变异算子。复制算子是根据个体的优劣程度决定在下一代是被淘汰还是被复制（即个体继续存在，子代保持父代的基因）。交配是指两个相互配对的染色体按某种方式相互交换其部分基因而生产两个新的个体。变异是将个体编码字符中的某些基因用其他等位基因来替换，从而生成一个新的染色体。这三个算子一般都按一定的种群复制（或选择）概率、交配概率和变异概率随机地进行，造成遗传中的子代和父代的差异。 4） 算法的控制参数包括种群的规模M、交配率Pc和变异率Pm。;遗传算法的计算步骤;上述遗传算法的计算过程可用下图表示; 目前，遗传算法的终止条件的主要判据有以下几种： 1） 判别遗传算法进化代数是否达到预定的最大代数； 2） 判别遗传搜索是否已找到某个较优的染色体； 3） 判别各染色体的适应度函数值是否已趋于稳定、再上升否等。 ;遗传算法实现的几个技术问题;二进制编码方法是遗传算法中最常用的一种编码方法，它使用的编码符号集是由二进制符号0和1所组成的符号集{0,1},它所构成的个体基因是一个二进制编码符号串。二进制编码方法编码、解码操作简单易行，交叉、变异等操作便于实现。 例如：对于 可以用5位长的二进制编码来表示该参数，编码串X=01101就可以表示一个个体，其对应的参数值x=13。 缺点：高维搜索时，二进制编码串非常长，使得算法的搜索效率很低。求解精度确定后难以调整，缺乏微调的功能。;所谓浮点数编码方法，是指个体的每个基因值用某一范围内的一个浮点数来表示，个体的编码长度等于设计变量的个数。因为这种编码方法使用的是设计变量的真实值，所以浮点数编码方法也叫真值编码方法。与二进制编码法相比，浮点数编码方法更适合表示范围较大的数和较大空间的遗传搜索。而且便于遗传算法与经典优化方法的混合使用，改善了遗传算法的计算复杂性，提高了运算效率。 用浮点数编码时应注意：保证基因值在给定的区间限制范围内；使用遗传算子时，保证产生的新个体基因也在同一限制范围内；多个字节表示一个基因时，交叉运算必须在两个分界字节进行。; 符号编码方法是指个体染色体编码串中的基因值取自一个无数值含义，而只用代码含义的符号集。这个符号集可以是一个数字序号表，如{1，2，3，