不同算法在機械優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展，這就為機械優化設計的突破開拓了全新的設計思路，融合多學科的優化設計理論不斷提出，并被引入到現代設計理論中，機械優化設計的設計方法因此而不斷的更新與完善，由此促進了機械優化設計的發展。

關鍵詞：機械優化設計;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，這賦予了機械優化設計廣闊的發展前景。

一、遺傳算法在機械優化設計中的應用

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解的進化，從理論上講，進化的次數越多，所獲得的最優解進化就越好，但是，在實際應用中還需要考慮最優解進化是否具有最佳執行效率，為了尋找最優解進化與最佳執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化設計中的應用，喻露（2009）對遺傳算法在優化設計中的實現技術進行了較為深入的分析，圍繞優化設計中的設計變量、約束條件、目標函數等問題，對比了常規設計方法與應用遺傳算法的優化設計在獲得最優解的運算時間，對比發現，采用常規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勢，認為遺傳算法在機械優化設計中具有巨大的使用價值。

2、改進遺傳算法在機械優化設計中的應用優勢

針對傳統遺傳算法具有早熟收斂、計算結果可能非最優收斂解、進化后期存在搜索效率低、存在一定不穩定性等缺點，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，在機械優化設計領域，遺傳算法的改進與應用也獲得長足發展，不僅解決了很多傳統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，并在優化設計中充分展現出穩定、高效的有點，對機械優化設計的發展起到了巨大的推進作用。

一、差異演化算法在機械優化設計中的應用

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化問題時具有較強穩健性，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生沖突的時候，差異演化算法很難獲得良好的協調效果，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，以獲取最優個體。溫淑花、張學良、盧清波、王曉麗、武美先等從約束優化的角度，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化設計中具有收斂速度快、穩定性好、魯棒性強等優點。

2、差異演化算法在機械優化設計中的應用優勢

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解，不僅解決了鏈傳動優化設計中的計算問題，且為鏈傳動優化設計的發展開拓了新的求解途徑。

二、智能化算法在機械優化設計中的應用

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律性的挖掘，進而發現所需的知識，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化問題。他還在兩種智能優化算法優點的基礎上，就函數測試提出了新的智能優化算法，并在機械優化設計中得到了驗證。

2、智能化算法在機械優化設計中的應用優勢

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化算法被不斷提出，并在機械優化設計中應用發揮著越來越重要的作用，如微粒群優化算法、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。微粒群優化算法在計算優化設計方案的時候，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勢，在機械設計優化中，能夠利用人工網絡對相關變量函數進行優化計算，實現對復雜非線性函數的快速處理，并獲得準確的優化非線性函數。

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

近年來，在機械優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，直至獲得最優方案為止，目前已經在機械設計優化中得到廣泛的應用。

參考文獻：

[1]喻露. 遺傳算法在機械優化設計中的應用[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化設計中的應用[J]. 農業機械學報， 2008， 39（008）：135-139.

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