不同算法在機械優(yōu)化設計中的應用探析

范沐鑫

摘要：隨著計算機運算能力的不斷增強，數學理論也得到了迅猛的發(fā)展，這就為機械優(yōu)化設計的突破開拓了全新的設計思路，融合多學科的優(yōu)化設計理論不斷提出，并被引入到現代設計理論中，機械優(yōu)化設計的設計方法因此而不斷的更新與完善，由此促進了機械優(yōu)化設計的發(fā)展。

關鍵詞：機械優(yōu)化設計;算法改進;設計應用

近年來，隨著機械產品市場競爭的加劇，對于機械優(yōu)化設計算法的改進與應用研究也成為學術界的研究熱點之一，在設計數學模型的改進研究中，也融入了計算技術與電子計算機技術，同時也與工程實踐應用更加緊密結合，這賦予了機械優(yōu)化設計廣闊的發(fā)展前景。

一、遺傳算法在機械優(yōu)化設計中的應用

1、遺傳算法的改進研究進展

遺傳算法的概念來源于達爾文的進化論，即通過模擬自然選擇的進化，通過迭代來獲得最優(yōu)解的進化，從理論上講，進化的次數越多，所獲得的最優(yōu)解進化就越好，但是，在實際應用中還需要考慮最優(yōu)解進化是否具有最佳執(zhí)行效率，為了尋找最優(yōu)解進化與最佳執(zhí)行效率之間的平衡點，學者們對遺傳算法的改進進行了深入的研究。

為探討遺傳算法在機械優(yōu)化設計中的應用，喻露（2009）對遺傳算法在優(yōu)化設計中的實現技術進行了較為深入的分析，圍繞優(yōu)化設計中的設計變量、約束條件、目標函數等問題，對比了常規(guī)設計方法與應用遺傳算法的優(yōu)化設計在獲得最優(yōu)解的運算時間，對比發(fā)現，采用常規(guī)設計方法需要經過多次試算的運算，利用遺傳算法只需1秒左右就能完成。

易廣建（2018）在平面四連桿機械設計中針對遺傳算法的實際運用情況，深入分析了遺傳算法的應用優(yōu)勢，認為遺傳算法在機械優(yōu)化設計中具有巨大的使用價值。

2、改進遺傳算法在機械優(yōu)化設計中的應用優(yōu)勢

針對傳統(tǒng)遺傳算法具有早熟收斂、計算結果可能非最優(yōu)收斂解、進化后期存在搜索效率低、存在一定不穩(wěn)定性等缺點，劉耀軒、林熙涵以及孫海洋等（2017）對遺傳算法作了改進研究，就如何在避免過早收斂的同時保證算法的多樣性做了詳細分析，并對提升算法的運算速度作了深入探討。

遺傳算法產生三十多年來一直在不斷改進，計算機技術的發(fā)展更為遺傳算法與不同學科的結合提供了更多的可能，在機械優(yōu)化設計領域，遺傳算法的改進與應用也獲得長足發(fā)展，不僅解決了很多傳統(tǒng)算法無法解決的機械設計問題，其超強的通用性也使其滲透到工程項目各個領域的研究與應用中，并在優(yōu)化設計中充分展現出穩(wěn)定、高效的有點，對機械優(yōu)化設計的發(fā)展起到了巨大的推進作用。

一、差異演化算法在機械優(yōu)化設計中的應用

1、差異演化算法的改進研究進展

差異演化算法是基于種群差異原理之上的一種演化算法，其特點是可并行并快速搜索，且容易實現編程，因此被廣泛應用于各個領域的計算。差異演化算法具有應用于多目標優(yōu)化且易早熟等潛能，因此具有適應性強、魯棒性強、精確度高、收斂速度快等優(yōu)點， 謝曉鋒、張文俊、張國瑞等（2004）研究認為，差異演化算法在求解多種復雜優(yōu)化問題時具有較強穩(wěn)健性，劉明廣和李高揚（2006）差異演化算法在應用時不要求提供問題的先驗知識，這極大的擴大了其應用范圍。但是，當收斂速度與搜索魯棒性發(fā)生沖突的時候，差異演化算法很難獲得良好的協(xié)調效果，而且會因為差異度的減小而降低收斂速度，為此，高飛、童恒慶研究提出了推廣的差異演化算法，以獲取最優(yōu)個體。溫淑花、張學良、盧清波、王曉麗、武美先等從約束優(yōu)化的角度，提出了自適應交叉率中心差異演化算法，并通過實證分析，證明了該算法在在機械優(yōu)化設計中具有收斂速度快、穩(wěn)定性好、魯棒性強等優(yōu)點。

2、差異演化算法在機械優(yōu)化設計中的應用優(yōu)勢

經過學者們的努力，不斷有修正的差異演化算法被提出，并逐漸被應用。修正后的差異演化算法，通過自適應線性變異操作，較好的加快了收斂速度;為了防止過早收斂，學者們引入遷徙操作，有效解決了過早收斂的問題。李改靈、李立華、張麗杰在機械鏈傳動改動優(yōu)化設計中，運用修正的差異演化算法，極大的減少了運算的工作量，且所得到的解為最優(yōu)解，不僅解決了鏈傳動優(yōu)化設計中的計算問題，且為鏈傳動優(yōu)化設計的發(fā)展開拓了新的求解途徑。

二、智能化算法在機械優(yōu)化設計中的應用

1、智能化算法的研究進展

智能化算法是基于計算機科學、智能技術之上，融數學、物理學、生理學、心理學以及神經科學為一體的新一代算法。智能化算法主要通過特定數學模型來對研究對象進行描述，使得對研究對象的描述可通過編程來操作，實現了可計算、可視化的研究描述。黃得雙（2006）指出，智能化算法能夠在海量數據中進行規(guī)律性的挖掘，進而發(fā)現所需的知識，且整個計算過程保持著敏捷性，對于復雜的問題，智能化算法能自動將任務進行分解，使問題簡單化，或自動變換計算方法來提高計算效率，以在最短的時間內獲得最令人滿意的計算結果。

王藝霖（2015）對兩種智能優(yōu)化算法理論進行了深入的研究，并通過對五種函數的數值仿真實驗，有效解決了機械設計中的函數優(yōu)化問題。他還在兩種智能優(yōu)化算法優(yōu)點的基礎上，就函數測試提出了新的智能優(yōu)化算法，并在機械優(yōu)化設計中得到了驗證。

2、智能化算法在機械優(yōu)化設計中的應用優(yōu)勢

隨著計算機技術的進步與應用，一些基于計算機技術應用的智能化優(yōu)化算法被不斷提出，并在機械優(yōu)化設計中應用發(fā)揮著越來越重要的作用，如微粒群優(yōu)化算法、人工神經網絡算法、蟻群算法，還有產算法、進化策略算法等等。微粒群優(yōu)化算法在計算優(yōu)化設計方案的時候，不僅方便快捷，而且可以在全部范圍內對優(yōu)化設計進行搜索，從而降低了計算難度，較快實現了收斂計算。

人工神經網絡為新型智能優(yōu)化算法，其在復雜的非線性函數的計算中具有非常明顯的優(yōu)勢，在機械設計優(yōu)化中，能夠利用人工網絡對相關變量函數進行優(yōu)化計算，實現對復雜非線性函數的快速處理，并獲得準確的優(yōu)化非線性函數。

蟻群算法是一種模擬的優(yōu)化計算方法，其算法模型主要是模擬蟻群的生存模式來建立，其具有穩(wěn)定性強、機械優(yōu)化目標準確等優(yōu)點。

近年來，在機械優(yōu)化設計中進化計算方法的應用越來越受到重視，進化算法不僅能夠在全范圍內進行計算優(yōu)化，且計算過程不受函數復雜程度的影響，其不斷的進行進化試驗計算，直至獲得最優(yōu)方案為止，目前已經在機械設計優(yōu)化中得到廣泛的應用。

參考文獻：

[1]喻露. 遺傳算法在機械優(yōu)化設計中的應用[J]. 科教導刊， 2009（5）.

[2]易廣建.遺傳算法在機械優(yōu)化設計中的應用研究[J].南方農機，2018（17）.

[3]劉耀軒， 林煦涵， 孫海洋. 遺傳算法的研究與改進[J]. 電子世界， 2017（8）.

[4]謝曉鋒，張文俊，張國瑞，等.差異演化的實驗研究[J].控制與決 策，2004，19（1）：49.52.

[5]劉明廣，李高揚.差異演化算法在機械優(yōu)化設計中的應用[J].機 床與液壓，2006，34（5）：63—70.

[6]高飛，童恒慶.一類推廣的差異演化算法及其應用[J].武漢大學 學報（理學版），2005，5 l（5）547.55 1.

[7]溫淑花， 張學良， 盧青波，等. 差異演化算法及其在機械優(yōu)化設計中的應用[J]. 農業(yè)機械學報， 2008， 39（008）：135-139.

[8]黃德雙. 智能計算研究進展與發(fā)展趨勢[J]. 中國科學院院刊， 2006， 21（001）：46-52.