机械优化设计遗传算法【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

机械优化设计遗传算法PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

前言1

第1章 绪论1

1.1　生物进化的基本知识1

目录1

1.2　遗传算法简述3

1.3　遗传算法的特点7

1.4　遗传算法的发展概况8

1.5　遗传算法在机械工程中的应用前景10

2.1.1　模式的定义12

第2章　遗传算法的数学基础理论12

2.1　模式定理12

2.1.2　模式定理的引证14

2.2　隐含并行性19

2.3　基因块假设20

2.4　欺骗性问题22

2.5　遗传算法的收敛性27

2.5.1　基本定义27

2.5.2　守恒交叉算子29

2.5.3　完全变异算子30

2.5.4　遗传算法的马尔可夫链分析31

第3章　遗传算法的实现方法34

3.1　编码方法34

3.1.1　编码原则34

3.1.2　二进制编码方法35

3.1.3　格雷码编码方法37

3.1.4　实数编码38

3.1.6　可变长编码方法39

3.1.5　多参数映射编码39

3.2　群体设定40

3.3　适应度函数41

3.3.1 目标函数映射成适应度函数41

3.3.2　适应度标度变换42

3.3.3　适应度函数的设计对遗传算法的影响44

3.4　遗传算子45

3.4.1　选择算子45

3.4.2　交叉算子47

3.4.3　变异算子49

3.5　遗传算法运行参数的选择52

3.6　约束条件的处理问题54

3.6.1 区域约束的处理方法55

3.6.2　处理一般约束的方法55

3.6.3　罚函数方法56

第4章 组合优化的遗传算法58

4.1　混合遗传算法58

4.1.1　概述58

4.1.2　混合遗传算法的基本构成原则58

4.2　模拟退火算法59

4.2.1　概述59

4.2.2　模拟退火算法（SA）60

4.2.3　冷却进度表62

4.2.4　模拟退火算法的改进和变异69

4.3　遗传模拟退火算法73

4.4.1　概述74

4.4　二倍体与显性操作算法74

4.4.2　遗传算法中的二倍体结构与显性技术76

4.5　小生境技术77

4.5.1　概述77

4.5.2　遗传算法中小生境技术的实现方法78

4.6　背包问题（Knapsack problem）81

4.6.1　问题描述81

4.6.3　适应度函数82

4.6.4　混合遗传算法在求解背包问题中的应用82

4.6.2　遗传编码82

4.7　装箱问题84

4.7.1　问题描述84

4.7.2　装箱问题的启发式算法85

4.7.3　遗传编码85

4.7.4　遗传算子87

4.7.5　适应度函数88

4.7.6　初始群体89

4.8　遗传模拟退火算法解平面连杆变幅机构轨迹优化问题89

4.8.1　求解连杆曲线非线性方程组的同伦算法89

4.8.2　平面连杆变幅机构轨迹优化模型91

4.8.3　遗传退火算法93

4.8.4　实际工程算例95

第5章　并行遗传算法97

5.1　概述97

5.1.1　遗传算法源于自然的并行性97

5.1.2　遗传算法理论中的并行性97

5.1.3　遗传算法并行化的目的和存在的问题98

5.2　遗传算法的并行性分析和实现方法99

5.2.1　遗传算法的并行性分析99

5.2.2　并行遗传算法的实现方法100

5.2.3　并行遗传算法的硬件支持环境及性能评价101

5.3　单群体并行遗传算法102

5.3.1　主从式并行方法（Master-slave）102

5.3.2　异步同时式并行遗传算法103

5.3.3　单群体并行遗传算法的效能特点104

5.3.4　单群体并行遗传算法的研究现状104

5.4.1　多群体并行方法的基本原理105

5.4　多群体并行遗传算法105

5.4.2　多群体并行遗传算法模型描述107

5.4.3　踏脚石群体模型（Stepping-stone Model）109

5.4.4 粗粒度孤岛模型111

5.4.5　细粒度邻域模型113

5.5　并行遗传算法的层次模型115

5.6　伪并行遗传算法简介117

5.6.1　伪并行遗传算法的基本思想117

5.6.2　伪并行遗传算法描述117

5.7.1 目标函数118

5.7　并行遗传算法在天线结构优化设计中的应用118

5.7.2　约束条件119

5.7.3　多群体并行遗传算法119

5.7.4　算法实例120

第6章　基于神经网络的遗传算法124

6.1　基本神经元模型124

6.2　BP网络126

6.3　神经网络的遗传算法 .129

6.3.1　神经网络连接权的进化方法129

6.3.2　神经网络结构的进化方法132

6.3.3　神经网络学习规则的进化137

6.4　基于神经网络和遗传算法的斜齿圆柱齿轮传动优化设计138

6.4.1　数学模型139

6.4.2　斜齿圆柱齿轮传动优化模型的遗传算法实现140

6.4.3　神经网络模型141

6.4.4　优化结果143

第7章　模糊优化的遗传算法144

7.1　引言144

7.2.1　对称模糊优化的基本思想145

7.2　模糊优化的概述145

7.2.2　非对称模糊优化的最优水平截集法146

7.3　多目标遗传算法的模糊优化148

7.3.1　多目标优化问题148

7.3.2　遗传多目标优化148

7.4　行星齿轮多目标模糊优化的遗传算法151

7.4.1　建立多目标模糊优化数学模型151

7.4.2　基于遗传算法的多目标优化模型求解153

7.4.3　工程算例154

第8章　机械优化设计的遗传算法155

8.1　遗传算法在机构优化设计中的应用155

8.1.1 平面六杆机构优化设计的遗传算法155

8.1.2　平面四杆机构优化设计的遗传算法159

8.1.3　带液压缸平衡机构优化设计的遗传算法162

8.2　遗传算法在螺栓弹簧优化设计中的应用166

8.2.1　紧固螺栓优化设计的遗传算法166

8.2.2　弹簧优化设计的遗传算法168

8.3　遗传算法在机械传动方案中的应用170

8.4　遗传算法在齿轮传动优化设计中的应用173

8.4.1　锥齿轮传动模糊优化的遗传算法173

8.4.2　少齿差行星齿轮传动参数优化设计的遗传算法176

8.4.3　圆柱齿轮减速机优化设计的遗传算法180

8.5　新型节能电磁换向阀优化设计的遗传算法183

8.6　机械零件可靠性设计的遗传算法185

8.6.1 自适应遗传算法用于机械零件的可靠性设计185

8.6.2　牙嵌式离合器可靠性优化设计的遗传算法189

参考文献194