【正文】 坦計算也就越復雜。機械優(yōu)化設(shè)計是把數(shù)學規(guī)劃理論與計算方法應(yīng)用于機械設(shè)計，按照預定的目標，借助于電子計算機的運算尋求最優(yōu)設(shè)計方案的有關(guān)參數(shù)，從而獲得好的技術(shù)經(jīng)濟效果：1) 可以降低機械產(chǎn)品成本，提高它的性能；2) 優(yōu)化設(shè)計過程中所獲得的大量數(shù)據(jù)，可以幫助我們摸清各項指標的變化艦律，有利于對今后設(shè)計結(jié)果作出正確的判斷，從而不斷提高系列產(chǎn)品的性能；3) 用優(yōu)化設(shè)計方可合理解決多參數(shù)、多目標的復雜產(chǎn)品設(shè)計問題?，F(xiàn)在，最優(yōu)化技術(shù)這門較新的科學分支目前已深入到各個生產(chǎn)與科學領(lǐng)域，例如：化學工程、機械工程、建筑工程、運輸工程、生產(chǎn)控制、經(jīng)濟規(guī)劃和經(jīng)濟管理等，并取得了重大的經(jīng)濟效益與社會效益。方法對頭，事半功倍，反之則事倍功半。十七、十八世紀微積分的建立給出了求函數(shù)極值的一些準則，對最優(yōu)化的研究提供了某些理論基礎(chǔ)。這個設(shè)計過程是人工試湊與類比分析的過程，不僅需要花費較多的設(shè)計時間，增長設(shè)計周期，而且只限于在少數(shù)幾個候選方案中進行比較。建立數(shù)學模型非常重要，如設(shè)計變量選擇不當，目標函數(shù)與實際追求的目標有差距，約束條件考慮不周到，都會導致設(shè)計失敗。在列約束條件時，應(yīng)注意變量的數(shù)量級不要相差太大，不然會造成約束條件敏感程度不同。②目標函數(shù)，反映設(shè)計變量間的相互關(guān)系，可以直接用來評價方案的好壞，根據(jù)其個數(shù)，優(yōu)化設(shè)計問題可分為單目標優(yōu)化問題和多目標優(yōu)化問題。梯度法的優(yōu)點是：直觀，簡單；缺點是：由于它采用了函數(shù)負梯度方向作為下一步的搜索方向，所以收斂速度較慢，越是接近極值點收斂越慢；應(yīng)用：應(yīng)用梯度法可以使目標函數(shù)在開頭幾步下降很快，所以它可與其它無約束優(yōu)化方法配合使用。此法的優(yōu)點是：程序簡單，存儲量少，具有梯度法的優(yōu)點，而在收斂速度上比梯度法快，具有二次收斂性?；舅悸罚褐苯咏夥ㄍǔ＿m用于僅含不等式約束的問題，其基本思路是在m個不等式約束條件所確定的可行域內(nèi)，選擇一個初始點，然后決定可行搜索方向d，且以適當?shù)牟介L，沿d方向進行搜索，得到一個使目標函數(shù)值下降的可行的新點，即完成一次迭代。它的基本思路是在可行域內(nèi)選擇一個初始點，利用隨機數(shù)的概率特性，產(chǎn)生若干個隨機方向，并從中選擇一個能使目標函數(shù)值下降最快的隨機方向作為可行搜索方向，記作d。它是求解小型機械優(yōu)化設(shè)計問題的一種十分有效的算法?；镜^程如下：首先將式（1－2）轉(zhuǎn)化為無約束目標函數(shù)式中，——轉(zhuǎn)化后的新目標函數(shù)；——分別為約束函數(shù)，經(jīng)過加權(quán)處理后構(gòu)成的某種形式的復合函數(shù)或泛函數(shù)；，——加權(quán)因子。加權(quán)因此選確不當，不但影響收斂速度和計算精度，甚至會導致計算失敗。3) 混和懲罰函數(shù)法簡稱為混合法，這種方法把內(nèi)點法和外點法結(jié)合起來，用來求解同時具有等式約束和不等式約束函數(shù)優(yōu)化問題。解決多目標問題的優(yōu)化方法很多，適用的對象也不完全相同，但其主要思路都是設(shè)法對所有目標函數(shù)進行統(tǒng)籌協(xié)調(diào)，以便求得一個對所有設(shè)計目標都比較滿意的方案。 因此，無約束優(yōu)化設(shè)計問題是常用優(yōu)化設(shè)計方法的重要基礎(chǔ)! 無約束優(yōu)化設(shè)計方法的特點包括計算效率高、穩(wěn)定性好等! 比較常用的無約束優(yōu)化設(shè)計方法有坐標輪換法、單純形法、共軛方向法、梯度法、牛頓法、變尺度法等[1]，各種方法的適應(yīng)情況如表1所示。常見方法包括約束坐標輪換法、網(wǎng)絡(luò)法、復合形法等。GA作為一種開放式的算法，其具體操作取決于所優(yōu)化的問題，目前尚難以提出一種統(tǒng)一的或固定的GA求解模式。 計算效率是影響計算成功主要因素之一。9）約束敏感性，指對約束條件多少的敏感程度。2) 效率要高：算法的效率是指解題的效率，一般可用算法所用計算時間或計算函數(shù)的次數(shù)來衡量。因而最后得到的最優(yōu)解只是滿足給定精度要求的相對最優(yōu)解。4) 研究對象上，從單一部分的、單一性能或結(jié)構(gòu)的、分離的優(yōu)化設(shè)計，進入到整體優(yōu)化、分步優(yōu)化、分部和分級優(yōu)化、并行優(yōu)化等，提出了覆蓋設(shè)計全過程的優(yōu)化設(shè)計思想。三．實驗設(shè)備電腦，快速成型機器等四．實驗數(shù)據(jù)根據(jù)自己設(shè)計的模型自行設(shè)計數(shù)據(jù)五．實驗過程，新建一個建模模型，如下圖所示：圖12．建立坐標系坐標原點，如圖所示圖23．建立基本圖形，如圖所示圖34．對基本圖形進行拉伸，如圖所示圖45．畫孔的基本圖形，如圖所示圖56．用修剪體進行布爾運算，如圖所示圖66．進行細微修改，得到最終圖形，如圖所示圖6參考文獻[1].[M].北京：機械工業(yè)出版社,.[2]田福祥. ：冶金工業(yè)出版社.[M]. [3][M].北京：新時代出版社, [4]葉 峰,[J] .,5[5]孫德敏，工程最優(yōu)化方法和應(yīng)用[M].中國科大出版社，1997 [6][J]. 長春理工大學學報. 2006,6 [7]劉麗,[J]. ,9[8]王小平、—理論、應(yīng)用與軟件實現(xiàn). 西安：[9]段海濱．蟻群算法原理及其應(yīng)用．北京：科學出版社．[10]Gregorio T P and Carlos A. The micro genetic algorithm: towards online adaptation in evolutionary multiobjective optimization. In: Evolutionary MultiCriterion Optimization Second International Conference (EMO 2003). Faro, Portugal, 2003, 25226628