基于模糊綜合評價與遺傳算法的公差優(yōu)化分配中英文翻譯-其他專業(yè)(參考版)
2025-01-23 08:53本頁面
【正文】 。此外，改進的遺傳算法 被 用于優(yōu)化 基于 DFA 和 DFM 的模型 。在公差分配中，考慮了基于模糊綜合評價和功能敏感度因素的可加工性，所以說 DFA和 DFM 都考慮到了。 假設 這兩個間隙相結合，整個 間隙值 從 到 米 變化 ，其公差為 。結果表明，軸承套 是 最難加工的 ， 而 左 、 右軸承 則 是最容易的。 為了解決這個公差分配問題，表 3~5根據(jù)已知的條件列出 了 四個 對應裝配尺寸 的隸屬度。 4. 事例 為了驗證所提出的方法， 把 驅動裝置 （見圖 3） 作為一個例子。 更新算子產(chǎn)生下一代； End (內存中的個體 )。 Else 計算 (人口中同一個體的值） If(n 大于或等于 ） 調用突變算子 。最后，遺傳算法的解決方案從內存中獲得。 內存工具 我們運用內存工具來“記憶”一代中的最優(yōu)個體。 首先，計算人口中同一個體的 值，如果 大于或等于 則調用突變算子，否則調用交叉算子。但是，如果突變的概率較高，那么好的圖式的傳播會受到不必要的阻礙，該算法將退化為一個隨機搜索方法。這種突變的概率應該仔細規(guī)定。 他們分成多個子塊的交叉點，通過 在這些個體間進行交換得到新的個體 。 交叉點 交叉 點 是遺傳算法的主要 算子 ，是遺傳算法 是否 成功的關鍵。 選擇 選擇 算子 決定了 每 個人 的設置 ，這 將 在下一代 中保持 。此外， 當人口平均適應度接近于人口最佳適應度是，適應度 縮放 在相近的范圍內 可以鼓勵良性競爭 。 這里，適應度函數(shù) 由下式計算： 這里， 這里， 表示罰函數(shù)， 描述方案的質量， 和 為常數(shù)，通常 ，由下式計算： 縮放線性適應度 由于具有較高的適應值的字符串被選中 為家長 的機率較高， 所以 限制 這些字符串 分配 很重要 ，特別是小種群遺傳算法。 公差分配是一個約束最小化問題。 在遺傳算法 中 ， 適應度 用于分配生殖試驗， 是有利于 最大化 的措施 。 在每一公差設計變 量地 字串長度確定 以后 ， 該染色體的長度計算： 這里， n 是獨立的公差設計變量的數(shù)目。 我們采用二進制數(shù)字串表示。 一個適當?shù)?表示方法 的選擇取決于 所研究領域 的特點。 遺傳算法在公差優(yōu)化分配中的應用如下： 表示方法 在遺傳算法 中 ， 表示 是一個重要的問題，因為 表示方法 聯(lián)系 著 真實世界 和 遺傳算法 ， 遺傳算法直接操縱 真實問題的表示代碼。在過去的十年中，遺傳算法 在 各種領域的應用增加了可喜的 應用 成果。 遺傳算法使用概率轉換規(guī)則， 而不是確定的 轉換規(guī)則， 這 導致 了 高品質的解決方案 并且遺傳算法只需要目標函數(shù)值，這些最低要求 使得遺傳算法具有廣泛的應用性。 遺傳算法與在 工程優(yōu)化問題 中 傳統(tǒng)的 研究方法不同 。 遺傳算法 遺傳算法是最近開發(fā)的啟發(fā)式優(yōu)化策略，已 在多 個研究領域用于全局優(yōu)化。因此，對公差分配 的 綜合因素可產(chǎn)生如下： 這里， 是根據(jù)模糊綜合評價得出的第 i 個零件的可加工性。 公差分配建模 可加工性可由模糊綜合評價法確定，加工 響應函數(shù)的假設為 ： 這里， 表示公
環(huán)評公示相關推薦
鄂ICP備17016276號-1