基于優(yōu)化問題的多目標(biāo)布谷鳥搜索算法畢業(yè)論文-資料下載頁
2025-06-18 17:24本頁面
【正文】 ：4. 優(yōu)化設(shè)計(jì)優(yōu)化設(shè)計(jì)，特別是設(shè)計(jì)結(jié)構(gòu)優(yōu)化，在工業(yè)和工程中有很多的應(yīng)用。在文獻(xiàn)中對(duì)此的研究有很多不同的評(píng)價(jià)標(biāo)準(zhǔn)。其中包括對(duì)于梁的焊接標(biāo)準(zhǔn)和制動(dòng)器的設(shè)計(jì)。在本篇文章的最后，我們將運(yùn)用多目標(biāo)布谷鳥搜索算法對(duì)這兩種設(shè)計(jì)標(biāo)準(zhǔn)做以研究。 梁的焊接設(shè)計(jì)關(guān)于梁的焊接設(shè)計(jì)是一個(gè)已經(jīng)被很多研究者解決的經(jīng)典設(shè)計(jì)問題。此問題中有4個(gè)設(shè)計(jì)變量：寬（w）、長(zhǎng)（L）、深度（d）、整個(gè)梁的厚度（h）。我們的設(shè)計(jì)目標(biāo)是使得制造的成本和產(chǎn)品的傾斜度達(dá)到最小。這個(gè)問題可以用數(shù)學(xué)語言來表示為：具體過程：我們對(duì)此做的簡(jiǎn)單的限制為：通過使用MOCS，我們對(duì)這一問題做出了解決。關(guān)于近似的Pareto front 問題我們?cè)趫D8中根據(jù)50種非限制性經(jīng)過1000次迭代對(duì)此問題作了相關(guān)的總結(jié)。為了了解我們提出的MOCS怎樣在實(shí)際的設(shè)計(jì)問題中使用，我們同樣將其運(yùn)用到其他的類似問題中，在圖9中我們把繪制的圖像的指數(shù)收斂速度作了對(duì)比，通過對(duì)比，我發(fā)現(xiàn)MOCS的收斂速度在指數(shù)收斂的算法中收斂速度最快。 制動(dòng)器設(shè)計(jì) 通過多目標(biāo)優(yōu)化算法設(shè)計(jì)一個(gè)多用的制動(dòng)器需要另一個(gè)設(shè)計(jì)標(biāo)準(zhǔn)。我們的目標(biāo)是其質(zhì)量和制動(dòng)時(shí)間達(dá)到最小，其中的參數(shù)有內(nèi)直徑r、外直徑R、推力F、表面摩擦力S。這些都是在轉(zhuǎn)矩、壓力、溫度和制動(dòng)距離這些的限制下設(shè)計(jì)的，這個(gè)設(shè)計(jì)問題可以用式子表示為：Pareto front問題,通過MOCS進(jìn)行1000此迭代之后選擇的50個(gè)點(diǎn)如圖10，我們可以看出它的曲線是光滑的，比之前的結(jié)果更優(yōu)。圖11中繪制了關(guān)于指數(shù)收斂的收斂速度的比較圖，我們從這兩個(gè)圖中看出MOCS的收斂速度在兩種情況下都比較快，這也就再一次的說明了MOCS為我們提供了一個(gè)更為有效的解決優(yōu)化設(shè)計(jì)問題的方法。 對(duì)于這三種基準(zhǔn)問題和測(cè)試函數(shù)的模擬表明，MOCS確實(shí)是一種對(duì)于多目標(biāo)優(yōu)化問題而言非常有效的算法，它可以解決很多高度非線性的有許多復(fù)雜限制條件的問題。5. 總結(jié)我們知道，基于多目標(biāo)的優(yōu)化問題本身是很難得以解決的，在本篇文章中，我們成功的對(duì)此問題建立了一個(gè)新的算法，稱之為多目標(biāo)布谷鳥搜索算法。我們提出的這個(gè)MOCS已經(jīng)通過一系列測(cè)試函數(shù)對(duì)其有效性和準(zhǔn)確性做了相關(guān)的測(cè)試研究，并且將此算法運(yùn)用到了很多工程結(jié)構(gòu)問題當(dāng)中，結(jié)果表明，此算法是一個(gè)行之有效的算法。在與其他算法的比較中，布谷鳥搜索算法在很多測(cè)試中都有著較好的表現(xiàn)，這要?dú)w結(jié)于布谷鳥算法將其他優(yōu)秀算法的結(jié)合能力上。例如，levy飛行、精英策略、變量變換、交叉變異。此外不是特別優(yōu)秀的算法往往會(huì)被好的算法所取代，因此所有這些算法之間的平衡與巧妙結(jié)合的機(jī)制也非常重要，顯然，通過一系列測(cè)試函數(shù)確認(rèn)的算法將會(huì)有一個(gè)很好的發(fā)展前景。被提出的其他的測(cè)試函數(shù)和比較規(guī)則也是非常必要的，在我們未來的工作中，我們將會(huì)關(guān)注一系列測(cè)試問題中的參數(shù)研究，包括非連續(xù)的和混合的優(yōu)化問題，我們將努力測(cè)試出Pareto front 問題的多樣性，以提高算法不同的適應(yīng)性，其實(shí)更好的適應(yīng)于更多不同的問題。有很多有效的科學(xué)技術(shù)可以使得Pareto front 問題更具多樣性，而一些技術(shù)之間的相互結(jié)合可以很好地提高M(jìn)OCS的有效性。以后我們更進(jìn)一步的研究就會(huì)更在意多目標(biāo)優(yōu)化問題的算法與其他主流方法的不同，另外，這也會(huì)使得其他的算法可以由更加令人滿意的效果。
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1