改進(jìn)的GA-SA算法在葉輪優(yōu)化設(shè)計中的應(yīng)用研究
發(fā)布時間:2021-07-22 21:22
遺傳算法是一種模仿生物自然進(jìn)化過程的隨機搜索和優(yōu)化算法,具有很強的解決問題的能力和廣泛的適應(yīng)性。因其具有魯棒性、靈活性和操作簡便的特點,在優(yōu)化設(shè)計中得到了廣泛的應(yīng)用。葉輪是離心壓縮機中高速轉(zhuǎn)動的核心部件,它的結(jié)構(gòu)設(shè)計優(yōu)劣直接關(guān)系到葉輪的使用壽命長短、產(chǎn)生正弦波形的準(zhǔn)確度以及電能的消耗等,因此在現(xiàn)代高性能壓縮機的設(shè)計中,對離心葉輪結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計具有重大的意義。遺傳算法一方面由于其運算簡單,能有效地解決問題而被廣泛應(yīng)用;另一方面,在實際應(yīng)用中依然存在過早收斂、局部搜索能力較差等問題。因此,本文主要研究對遺傳算法的改進(jìn)方法及新的改進(jìn)算法在葉輪優(yōu)化設(shè)計中的應(yīng)用。本文對遺傳算法的理論、優(yōu)化及應(yīng)用進(jìn)行了一些研究與分析工作。首先,著重分析遺傳算法的缺點,探索解決方案。針對基本遺傳算法中初始種群生成的隨機性,本文提出了一種新的初始種群生成方法,即利用近似最大最小距離算法思想,在初始種群的生成上,使個體之間保持一定的海明距離,從而產(chǎn)生較好的初始種群分布。其次,介紹了遺傳算法一些常見的改進(jìn)方法,諸如:自適應(yīng)遺傳算法、混合遺傳算法等。在現(xiàn)有的一些自適應(yīng)遺傳算法的基礎(chǔ)上,針對交叉概率和變異概率進(jìn)行改進(jìn),根據(jù)...
【文章來源】:中國石油大學(xué)(華東)山東省 211工程院校 教育部直屬院校
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【部分圖文】:
遺傳算法實現(xiàn)的流程圖
圖 3-3 混合遺傳算法結(jié)構(gòu)圖Fig3-3 Strcture Chart for Hybrid Genetic Algorithm算法法(Simulated Annealing)[41]是 20 世紀(jì) 80 年代初發(fā)展起來的能夠以隨機搜索技術(shù)從概率意義上找出目標(biāo)函數(shù)的全局最小點先確定初始溫度,隨機選擇一個初始狀態(tài)并考察該狀態(tài)的目標(biāo)一小擾動,并計算新狀態(tài)的目標(biāo)函數(shù)值;以概率 l 接受較好點點作為當(dāng)前點,直到系統(tǒng)冷卻。模擬退火方法在初始溫度足夠件下,能以概率 l 收斂到全局最優(yōu)值。由于這種算法模擬固體退退火算法”。法以某種概率接受較差點,既可以從局部最優(yōu)的“陷阱”中跳化問題的整體最優(yōu)解,又不失簡單性和通用性[11][12][42]。
圖4-23f ( x )的二維形狀圖Fig4-2 Two-dimensional Shape Graph用遺傳算法。在運用遺傳算法工具箱時,適應(yīng)度函數(shù)是小值,所以,測試函數(shù) 的適應(yīng)度函數(shù)是3f3 f(x)。對 實驗。f真實驗中,兩種算法都獨立優(yōu)化 30 次,種群規(guī)模均為,IAGA 的初始種群是隨機產(chǎn)生, =0.9, =0.6, 始種群采用基于近似最大最小距離法生成,c1Pc2Pcm1P1p =0.4,cp兩種算法連續(xù)優(yōu)化 30 次并進(jìn)行統(tǒng)計,IAGA 搜索到全局算法是 28;IAGA 搜索到最優(yōu)的平均代數(shù)為 34 代,而的適應(yīng)值變化情況如圖 4-3、4-4 所示:
【參考文獻(xiàn)】:
期刊論文
[1]基于數(shù)論佳點集的遺傳算法初始種群均勻設(shè)計[J]. 李志俊,程家興. 電腦與信息技術(shù). 2007(04)
[2]混合遺傳算法與模擬退火法[J]. 田東平,遲洪欽. 計算機工程與應(yīng)用. 2006(22)
[3]自適應(yīng)遺傳算法的改進(jìn)與應(yīng)用[J]. 史明霞,陶林波,沈建京. 微計算機應(yīng)用. 2006(04)
[4]一種新型的自適應(yīng)混沌遺傳算法[J]. 袁曉輝,袁艷斌,王乘,張勇傳. 電子學(xué)報. 2006(04)
[5]自適應(yīng)遺傳算法的改進(jìn)及在系統(tǒng)辨識中應(yīng)用研究[J]. 任子武,傘冶. 系統(tǒng)仿真學(xué)報. 2006(01)
[6]遺傳算法初始種群與操作參數(shù)的均勻設(shè)計[J]. 何大闊,王福利,賈明興. 東北大學(xué)學(xué)報. 2005(09)
[7]一種改進(jìn)的自適應(yīng)遺傳算法[J]. 金晶,蘇勇. 計算機工程與應(yīng)用. 2005(18)
[8]一種改進(jìn)的遺傳模擬退火算法及其應(yīng)用[J]. 劉志剛,王建華,耿英三,歐陽森. 系統(tǒng)仿真學(xué)報. 2004(05)
[9]遺傳算法在離心泵葉片優(yōu)化設(shè)計中的應(yīng)用[J]. 閆永強,梁武科. 排灌機械. 2004(02)
[10]改進(jìn)的快速遺傳算法及其性能研究[J]. 高瑋. 系統(tǒng)工程與電子技術(shù). 2003(11)
碩士論文
[1]海洋修井機風(fēng)洞試驗測控系統(tǒng)設(shè)計[D]. 陳忠碧.西南石油學(xué)院 2002
本文編號:3297925
【文章來源】:中國石油大學(xué)(華東)山東省 211工程院校 教育部直屬院校
【文章頁數(shù)】:68 頁
【學(xué)位級別】:碩士
【部分圖文】:
遺傳算法實現(xiàn)的流程圖
圖 3-3 混合遺傳算法結(jié)構(gòu)圖Fig3-3 Strcture Chart for Hybrid Genetic Algorithm算法法(Simulated Annealing)[41]是 20 世紀(jì) 80 年代初發(fā)展起來的能夠以隨機搜索技術(shù)從概率意義上找出目標(biāo)函數(shù)的全局最小點先確定初始溫度,隨機選擇一個初始狀態(tài)并考察該狀態(tài)的目標(biāo)一小擾動,并計算新狀態(tài)的目標(biāo)函數(shù)值;以概率 l 接受較好點點作為當(dāng)前點,直到系統(tǒng)冷卻。模擬退火方法在初始溫度足夠件下,能以概率 l 收斂到全局最優(yōu)值。由于這種算法模擬固體退退火算法”。法以某種概率接受較差點,既可以從局部最優(yōu)的“陷阱”中跳化問題的整體最優(yōu)解,又不失簡單性和通用性[11][12][42]。
圖4-23f ( x )的二維形狀圖Fig4-2 Two-dimensional Shape Graph用遺傳算法。在運用遺傳算法工具箱時,適應(yīng)度函數(shù)是小值,所以,測試函數(shù) 的適應(yīng)度函數(shù)是3f3 f(x)。對 實驗。f真實驗中,兩種算法都獨立優(yōu)化 30 次,種群規(guī)模均為,IAGA 的初始種群是隨機產(chǎn)生, =0.9, =0.6, 始種群采用基于近似最大最小距離法生成,c1Pc2Pcm1P1p =0.4,cp兩種算法連續(xù)優(yōu)化 30 次并進(jìn)行統(tǒng)計,IAGA 搜索到全局算法是 28;IAGA 搜索到最優(yōu)的平均代數(shù)為 34 代,而的適應(yīng)值變化情況如圖 4-3、4-4 所示:
【參考文獻(xiàn)】:
期刊論文
[1]基于數(shù)論佳點集的遺傳算法初始種群均勻設(shè)計[J]. 李志俊,程家興. 電腦與信息技術(shù). 2007(04)
[2]混合遺傳算法與模擬退火法[J]. 田東平,遲洪欽. 計算機工程與應(yīng)用. 2006(22)
[3]自適應(yīng)遺傳算法的改進(jìn)與應(yīng)用[J]. 史明霞,陶林波,沈建京. 微計算機應(yīng)用. 2006(04)
[4]一種新型的自適應(yīng)混沌遺傳算法[J]. 袁曉輝,袁艷斌,王乘,張勇傳. 電子學(xué)報. 2006(04)
[5]自適應(yīng)遺傳算法的改進(jìn)及在系統(tǒng)辨識中應(yīng)用研究[J]. 任子武,傘冶. 系統(tǒng)仿真學(xué)報. 2006(01)
[6]遺傳算法初始種群與操作參數(shù)的均勻設(shè)計[J]. 何大闊,王福利,賈明興. 東北大學(xué)學(xué)報. 2005(09)
[7]一種改進(jìn)的自適應(yīng)遺傳算法[J]. 金晶,蘇勇. 計算機工程與應(yīng)用. 2005(18)
[8]一種改進(jìn)的遺傳模擬退火算法及其應(yīng)用[J]. 劉志剛,王建華,耿英三,歐陽森. 系統(tǒng)仿真學(xué)報. 2004(05)
[9]遺傳算法在離心泵葉片優(yōu)化設(shè)計中的應(yīng)用[J]. 閆永強,梁武科. 排灌機械. 2004(02)
[10]改進(jìn)的快速遺傳算法及其性能研究[J]. 高瑋. 系統(tǒng)工程與電子技術(shù). 2003(11)
碩士論文
[1]海洋修井機風(fēng)洞試驗測控系統(tǒng)設(shè)計[D]. 陳忠碧.西南石油學(xué)院 2002
本文編號:3297925
本文鏈接:http://sikaile.net/jixiegongchenglunwen/3297925.html
最近更新
教材專著