改进的遗传算法及其在工程优化中的应用

改进的遗传算法及其在工程优化中的应用

论文摘要

进化计算,作为一种新兴的强大的智能优化技术,已经广泛地应用在工程科学的几乎所有的领域。与传统优化方法相比,进化计算在全局优化、复杂设计区域、复杂目标函数及易用性等方面都显示出了其优越性。遗传算法是进化计算中最重要的算法之一,本文主要研究了改进的遗传算法及其在工程优化领域中的应用。 本文的主要研究内容分章介绍如下: 第一章首先简要介绍了进化计算的基本知识,在工程优化领域的历史与研究现状。本章的最后给出了本论文的基本框架。 第二章介绍了遗传算法的基本理论与方法。首先给出了遗传算法的基本流程,然后介绍了染色体的编码方法及遗传算子,最后分析了遗传算法的搜索机理与收敛性。 第三章提出了一种新的遗传算法——基于子域搜索的遗传算法(简称为SBGA)。SBGA将设计区域分成多个小的子域,根据已搜索过的样本点在这些子域内的分布情况来指导后续的搜索。同时,SBGA还提供了一种新的处理约束的方法。应用SBGA进行了复杂函数和杆系结构的优化,数值实验还发现它能够有效地抑制早熟现象的发生。 第四章研究了基于遗传算法的连续体结构拓扑优化问题。提出了一种新的变长的紧凑编码方式——链码编码方法,用四方向链码的组合来描述结构拓扑。以机器学习中的范例推理为原型,设计出一种基于范例推理的遗传算法。在该算法中,根据多尺度变换的原理,提出了结构拓扑的“目标向量”描述方式,从而可能定量地描述不同拓扑的相似性。研制了上述方法的计算机软件GATOCS,并利用该软件对多工况连续深梁和自行车框架进行拓扑优化,取得了较为满意的结果,从而说明了应用遗传算法进行连续体结构拓扑优化是完全可行的。 第五章研究了多目标遗传算法及其并行实现。实际的工程优化问题通常都是多目标的,而且计算量很大。因此,本文研究了并行虚拟机(高速互联机

论文目录

  • 第1章 绪论
  • 1.1 遗传算法概述
  • 1.1.1 遗传算法的仿生学基础
  • 1.1.2 遗传算法的基本术语
  • 1.1.3 简单遗传算法的执行过程
  • 1.1.4 遗传算法的基础理论研究
  • 1.1.5 遗传算法的执行策略研究
  • 1.2 遗传算法与结构优化设计
  • 1.3 进化结构优化中的约束处理方法
  • 1.4 多目标遗传算法与结构优化
  • 1.5 并行遗传算法
  • 1.6 本文的主要研究内容
  • 第2章 遗传算法的基本理论与方法
  • 2.1 遗传算法的基本流程
  • 2.2 遗传算法的实现方式
  • 2.2.1 编码方式
  • 2.2.2 选择算子
  • 2.2.3 交叉与变异算子
  • 2.3 遗传算法的搜索机理
  • 2.3.1 遗传算法的搜索机制
  • 2.3.2 遗传算法的收敛性
  • 2.4 本章小结
  • 第3章 子域搜索的遗传算法(SBGA)
  • 3.1 概述
  • 3.2 子域搜索的遗传算法(SBGA)
  • 3.2.1 SBGA产生的背景
  • 3.2.2 SBGA的基本思想及其实现
  • 3.2.3 SBGA的收敛性
  • 3.3 数值仿真
  • 3.3.1 复杂函数优化
  • 3.3.2 十杆桁架优化
  • 3.4 本章小结
  • 第4章 基于遗传算法的连续体结构拓扑优化
  • 4.1 概述
  • 4.2 链码拓扑表示法
  • 4.3 遗传算子
  • 4.4 范例学习的策略
  • 4.5 基于GA的结构拓扑优化软件GATOCS
  • 4.5.1 GATOCS的特点与功能
  • 4.5.2 应用ANSYS进行适应度计算
  • 4.5.3 应用MATLAB进行拓扑处理
  • 4.6 算例
  • 4.6.1 2×1悬臂深梁拓扑优化
  • 4.6.2 多工况连续深梁拓扑优化
  • 4.6.3 自行车框架拓扑优化
  • 4.7 本章小结
  • 第5章 PARETO多目标优化及其并行实现
  • 5.1 PARETO多目标优化的概念
  • 5.2 改进的强度PARETO进化算法
  • 5.2.1 适应度评估方法
  • 5.2.2 环境选择
  • 5.2.3 实施过程
  • 5.2.4 算例
  • 5.3 并行计算
  • 5.3.1 工作站机群COW及消息传递程序设计
  • 5.3.2 并行计算性能指标
  • 5.3.3 SPEA2的并行实现
  • 5.4 多目标并行拓扑优化算例
  • 5.4.1 悬臂深梁多目标拓扑优化
  • 5.4.2 简支深梁多目标拓扑优化
  • 5.5 本章小结
  • 第6章 生境混合遗传算法在医学图像配准中的应用
  • 6.1 医学图像配准概述
  • 6.2 数学基础
  • 6.2.1 熵
  • 6.2.2 条件熵、联合熵和互信息
  • 6.2.3 Parzen窗密度估计
  • 6.2.4 梯度下降优化法
  • 6.3 混合遗传算法与实施
  • 6.3.1 混合遗传算法
  • 6.3.2 混合遗传算法的实施策略
  • 6.4 图像配准实例
  • 6.4.1 无噪声图像配准算例
  • 6.4.2 有噪声图像配准算例
  • 6.5 本章小结
  • 第7章 结论与展望
  • 7.1 结论
  • 7.2 创新点
  • 7.3 进一步工作的展望
  • 致谢
  • 参考文献
  • 攻读博士学位期间发表的论文及科研成果
  • 相关论文文献

    • [1].研究生学位论文过程管理体系构建与质量控制研究[J]. 教育教学论坛 2020(12)
    • [2].高校研究生学位论文档案的价值与开发利用[J]. 大众文艺 2020(09)
    • [3].基于过程管理的研究生学位论文质量保障体系探索——以北京建筑大学为例[J]. 黑龙江教育(高教研究与评估) 2020(02)
    • [4].近10年国内发表的推拿治疗膝骨关节炎的研究生学位论文概况[J]. 中医正骨 2020(04)
    • [5].地方院校研究生学位论文反向人工智能倾向的成因与破解[J]. 黑龙江教育(高教研究与评估) 2020(08)
    • [6].“差评”研究生学位论文主要特点鉴别[J]. 黑龙江高教研究 2019(05)
    • [7].研究生学位论文的开发与利用[J]. 内蒙古科技与经济 2017(23)
    • [8].研究生学位论文写作的论证意识——一种教育学的视角[J]. 学位与研究生教育 2018(03)
    • [9].研究生导师责权机制的研究与实践[J]. 哈尔滨职业技术学院学报 2018(02)
    • [10].关于提高高校研究生学位论文质量的探索研究[J]. 教育教学论坛 2018(30)
    • [11].研究生学位论文研究热点和发展趋势的定量分析方法探析——基于文献经济学和知识经济学的思考[J]. 科技经济市场 2017(04)
    • [12].研究生学位论文质量保障体系探析[J]. 西部素质教育 2017(04)
    • [13].近10年我国科学技术哲学专业研究生学位论文选题与发展态势研究[J]. 科学技术哲学研究 2017(03)
    • [14].提高研究生学位论文质量的探索研究——以广州美术学院为例[J]. 湖北函授大学学报 2017(04)
    • [15].研究生学位论文英文摘要翻译中的问题与应对[J]. 吉林省教育学院学报 2017(07)
    • [16].聚类算法在研究生论文质量分析中的应用[J]. 中国教育信息化 2017(19)
    • [17].浅析高校研究生学位论文管理存在的问题及解决途径[J]. 价值工程 2017(34)
    • [18].研究生学位论文管理系统设计与实现[J]. 信息系统工程 2016(02)
    • [19].化工研究生学位论文质量的管理研究[J]. 广东化工 2016(20)
    • [20].研究生学位论文抽检中的问题预判与解决对策[J]. 学位与研究生教育 2016(01)
    • [21].HACCP视角下研究生学位论文质量监控应树立的理念和意识[J]. 高教学刊 2016(23)
    • [22].研究生学位论文网络评审系统的研发与实践[J]. 高等农业教育 2015(06)
    • [23].研究生学位论文撰写问题刍议[J]. 科技情报开发与经济 2015(20)
    • [24].研究生学位论文实行网络评阅的探析[J]. 学位与研究生教育 2014(08)
    • [25].研究生学位论文管理体系的改革探索[J]. 继续教育研究 2015(12)
    • [26].“双一流”建设背景下探讨提升研究生学位论文质量的措施[J]. 山西青年 2020(07)
    • [27].基于过程管理的研究生学位论文质量研究[J]. 课程教育研究 2020(21)
    • [28].研究生培养全过程管理的探索与实践[J]. 文教资料 2017(07)
    • [29].研究生学位论文中存在的问题及对策[J]. 教书育人 2008(27)
    • [30].对社科类研究生学位论文题目的思考[J]. 教书育人(高教论坛) 2019(33)

    标签:;  ;  ;  ;  

    改进的遗传算法及其在工程优化中的应用
    下载Doc文档

    猜你喜欢