PDF《中国科技论文在线》

赵勇(1963一),山东人,博士.副教授,主要研究方 向为先进设计理论及方法、智能工程等. http://www.paper.edu.cn 中国科技论文在线 ・2・ 设计与研究 扔耪2008年第8期总第35卷 失效状态之间具有模糊过渡状态,则这类优化问题 为模糊可靠性优化问题.一般可归纳为两种类型: 一类是以可靠度指标为约束条件的模糊可靠性优化 问题;

另一类就是要求零件的可靠度尽可能高的模 糊可靠性优化设计[啦】. 应用前者将模糊可靠性和优化设计相结合应用 到内燃机气门弹簧的设计之中,即在给定工作条件 下,要求零件的可靠度尽可能高的模糊可靠性优化 设计,在这一限制下,利用Matlab中的遗传算法工 具箱进行计算设计,使目标函数达到最大. l Matlab遗传算法优化工具箱 MATLAB是由美国MathWorks公司开发的以 矩阵运算为基础,集通用数学运算、图形交互、程 序设计和系统建模为一体,功能强、使用简单、容 易扩展的科技应用软件,分总包和若干工具箱,其 中的优化工具箱含有一系列的优化算法函数,可方 便、快捷地解决无约束和约束线性、非线性极小值, 非线性系统的方程求解,曲线拟合,二次规划和线 性规划,大规模优化等工程实际问题.遗传算法优 化工具箱就是其中之一【3】o 1.1遗传算法 遗传算法(GA)是一类借鉴生物界自然选择和 遗传机制的随机优化搜索算法.其主要特点是群体 搜索策略和群体中个体之间的信息交换、搜索不依 赖于梯度信息.由于不受函数约束条件(如连续性、 可微性、单极值)的限制,因而具有广泛的适应能 力.它尤其适用于处理传统搜索方法难以解决的复 杂和非线性问题,因此,采用Matlab语言设计的遗 传算法优化工具箱将它应用于实际中,不仅具有简 单、易用、易于修改的特点,而且为解决许多传统 的优化方法难以解决的象非线形、多峰值之类的复 杂问题提供了有效的途径,为遗传算法的研究和应 用提供了很好的应用前景. 遗传算法流程如图l所示,首先将解空间的解 数据表示成遗传空间的基因型串结构数据,即编码, 然后从中随机选取一些编码组作为进化起点的第一 代编码组,并计算每―个解(编码)的目标函数值 (编码的适应度).按照选择机制(能够较大地保 留适应度较高的编码,较少的保留或淘汰适应度较 低的编码),从编码组挑选一些编码作为繁殖过程 前的编码样本.使用遗传算法提供的交叉和变异算 子对挑选出的样本进行运算,交叉算子随机交换两 个编码的某些位,变异算子则对某个编码的某一位 进行反转,因而产生新一代编码组.重复上述选择 和繁殖过程,直至进化的代数超过预先的给定值, 输出最后一代的编码组作为问题的最优解. 其中,交叉和变异是遗传算法的重要内容.交 叉式最主要的遗传运算,它在很大程度上决定了遗 传算法的性能.交叉是同时对两个染色体进行操作, 组合两者的特性产生新的后代.交叉体现了信息交 换的思想.交叉率的选择是根据具体问题确定的, 一般取0.25-4).75,这样既可以得到较高适应度的结 构,又可以保证搜索效率.变异是基本的遗传运算, 它在染色体上自发地产生随机变化.由于生物界产 生变异的概率很低,因而变异率一般取0.01~0.20. 图1遗传算法的基本流程 1.2遗传算法工具箱(GA Toolbox) 遗传算法工具箱GAOT包括了许多实用的函 数.这些函数按照功能可以分为:主界面红薯、选 择红薯、演化红薯、其它的一些终止红薯、二进制 表示红薯、演示程序等.Matlab的遗传算法工具箱 核心函数GAOTV5其主程序ga.m提供了遗传算法 工具箱与外部的接I:1.在Matlab环境下,执行ga 扔耪2008年第8期总第35卷 设计与研究 ・3・ 并设定相应的参数,就可以完成优化【4,51.格式如下: (1)搜索函数ga 【x'