群體智能優(yōu)化算法在精密工程計算中的應用.pdf

1、二十世紀蓬勃發(fā)展起來的智能算法為解決復雜優(yōu)化問題提供了有利工具，在各個領域獲得廣泛應用。但是，智能算法種類多、待優(yōu)化問題門類雜，如何在改善算法自身的同時，理清待求解問題的實質(zhì)，從而實現(xiàn)問題的有效求解，是相關各個領域?qū)W者關心的問題。本文針對精密機械工程領域存在的非線性求解問題，研究兩種典型群體智能優(yōu)化算法，即遺傳算法（Genetic Algorithm，GA，注：因GA算法優(yōu)化求解過程始終以種群競爭與合作進行而將其列為群體智能優(yōu)化算法）、

2、粒子群優(yōu)化算法（Particle Swarm Optimization，PSO），通過對群體算法的基本優(yōu)化原理和關鍵實現(xiàn)技術研究，用以求解機械工程領域存在的優(yōu)化問題。
　　本文的具體研究內(nèi)容包括：
　　(1)首先，在分析群體優(yōu)化算法的內(nèi)涵及其研究現(xiàn)狀的基礎上，對現(xiàn)有兩種方法的關鍵理論基礎和實現(xiàn)技術展開論述，分析了主要優(yōu)化思想、理論基礎及實現(xiàn)技術的共性問題，為工程應用奠定理論和技術基礎。
　　(2)其次，從精密機械工程領

3、域提取三類典型問題：即關鍵機械結構優(yōu)化設計、機械零件幾何形狀優(yōu)化評定及精密儀器掃描驅(qū)動優(yōu)化控制，對三類問題的共性問題研究，提取優(yōu)化目標函數(shù)和優(yōu)化變量，用于構造群體優(yōu)化算法進行優(yōu)化計算的適應度函數(shù)和個體及種群的設計。
　　(3)最后，根據(jù)實際問題設計優(yōu)化參數(shù)和策略，對幾個應用實例進行了計算分析。其中采用了理論與實驗分析相結合的研究方法，分別應用遺傳算法對柔性鉸鏈進行了優(yōu)化、應用粒子群優(yōu)化算法對幾何形狀誤差和掃描白光干涉系統(tǒng)自動參數(shù)進