×

使用MATLAB遗传算法实现弧形闸门主框架优化设计的详细资料说明

消耗积分:0 | 格式:rar | 大小:0.15 MB | 2019-09-23

分享资料个

  简要介绍了遗传算法的基本原理, 建立了弧形闸门主框架优化数学模型, 探讨了各种寻优算法的优劣及约束问题的处理方法, 并结合MATLAB 语言将遗传算法应用于该主框架优化设计中。结果表明, 遗传算法对闸门优化设计是有效的、可行的。

  遗传算法( Genetic Alg orithm, 简称GA) 是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索算法。它是模仿自然界生物进化过程中/ 物竞天择, 适者生存0 的原理而进行的一种多参数、多群体同时优化方法。经过20 多年的发展, 遗传算法已经在数据挖掘、生产调度、函数优化、机器学习、图像处理等领域得到成功的应用, 并显示出其良好的性能。本文利用遗传算法在函数优化方面的应用特点, 对弧形闸门主框架的结构优化进行探讨。

  搜索最优解的方法, 据不完全统计目前已超过300 多种,大概可以归纳为3 类: 数学规划法、最优准则法和仿生学方法。对于非线性问题, 虽然方法很多, 但还没有一种通用的成熟方法, 这主要是非线性形式多样、程度不一的原因。目前数学规划法中的方法大致有如下几种: 一种是序列无约束极小化技术( SUMT) , 如惩罚函数法、乘子法等; 另一种是线性近似技术,如序列线性规划法、序列二次规划法、割平面法等; 第三种是探讨在约束边界处搜索的可行方向法, 如可行方向法、梯度投影法、广义简约梯度法等; 最后一种是只利用函数值不使用导数信息的直接法, 如复合形法、可变容差法、随机试验法等。

  为评价数学规划法中各种算法的优劣, 不少学者采用统一考题对主要算法和相应软件进行了数值试验比较。近年KSchittkowske 与C Zillober 还应用基于有限元分析的结构优化程序通过79 个考题对主要几种非线性规划算法进行了考核,结果表明在效率与健壮性方面较好的是序列二次规划法。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !