基于灰度和实数编码的改进遗传算法研究及其应用

论文摘要

遗传算法是一种随机搜索方法,具有很强的全局寻优能力,是目前影响和应用最为广泛的优化方法之一。但遗传算法仍存在一些不足,如不同程度的存在概率参数的主观选取问题、早熟问题、陷入局部最优等,本文针对这些问题给出两种改进方法。在基于灰度编码的改进的遗传算法中,充分利用模式定理,使交叉算子和变异算子有机结合,父代所有个体都进行交叉,避免概率参数的选取问题,用变异后产生的优良个体代替适应度差的父代个体,产生子代个体,提出初始种群的生成标准,这种种群的生成方法保证了最优个体的获得,并且有较快的收敛速度。在基于实数编码的改进遗传算法中,借鉴二进制编码的模式理论,繁殖操作初期变异概率较大,通过变异操作使种群规模逐渐扩大,当种群达到一定规模时,只进行交叉操作,只要有足够的时间一定能找到最优个体,避免陷入局部最优。汽车悬架是一个典型的精密空间多体系统,它的性能如何直接关系到诸多汽车性能,如平顺性、操纵稳定性、安全性和制动性等,选用合适的方法对汽车悬架动力学参数进行优化设计,对于民族汽车工业的发展有着重要意义。目前,对其优化设计方法主要采用确定性优化方法,容易陷入局部最优解。本文将改进遗传算法应用于复杂汽车悬架参数优化设计,计算结果表明,与目前使用的其他方法相比,求解质量和计算效率都有很大提高。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 遗传算法的发展背景
• 1.1.2 遗传算法的研究现状
• 1.1.3 汽车悬架优化的研究现状
• 1.2 本文的主要研究内容与内容安排
• 1.3 小结
• 第2章 遗传算法基础
• 2.1 遗传算法概述
• 2.1.1 遗传算法的生物基础
• 2.1.2 简单遗传算法简介
• 2.2 遗传算法的特点
• 2.3 遗传算法的基本原理
• 2.3.1 模式定理
• 2.3.2 积木块假设
• 2.3.3 隐含并行性
• 2.4 遗传算法的实现技术
• 2.4.1 编码方法
• 2.4.2 群体设定
• 2.4.3 适应度函数
• 2.4.4 遗传操作
• 2.5 测试函数
• 2.5.1 无约束优化的测试函数
• 2.5.2 有约束优化的测试函数
• 2.5.3 约束优化问题的难度特征
• 2.6 遗传算法的应用与发展方向
• 2.6.1 遗传算法的应用
• 2.6.2 遗传算法的发展方向
• 2.7 小结
• 第3章 遗传算法的收敛性理论
• 3.1 种群序列的收敛性定义及性质
• 3.2 遗传算法的马氏来链分析
• 3.2.1 马氏链的定义及相关性质
• 3.2.2 标准遗传算法的马氏链分析
• 3.3 遗传算法的公理化分析
• 3.3.1 进化算子的特征数
• 3.3.2 抽象模拟进化算法的概率收敛性定理
• 3.4 Vose-Liepins 模型
• 3.5 连续编码模型
• 3.6 收敛性的研究方向
• 3.7 小结
• 第4章 改进遗传算法
• 4.1 基于灰度编码的改进遗传算法
• 4.1.1 改进遗传算法
• 4.1.2 遗传算法的实例验证
• 4.2 基于实数编码的改进遗传算法
• 4.2.1 改进遗传算法
• 4.2.2 遗传算法的实例验证
• 4.3 小结
• 第5章 改进遗传算法及其在汽车悬架优化设计中的应用
• 5.1 汽车悬架优化模型
• 5.2 遗传算法与ADAMS 软件的接口
• 5.2.1 ADAMS 软件简介
• 5.2.2 遗传算法与ADAMS 软件接口
• 5.3 遗传算法在汽车悬架中的应用
• 5.4 小结
• 第6章 结论
• 参考文献
• 附录
• 致谢
• 作者简介
• 攻读硕士期间发表的论文和参加科研情况