学位论文 > 优秀研究生学位论文题录展示

量子遗传算法在机械优化问题中的应用研究

作　者: 裴飞飞
导　师: 熊禾根
学　校: 武汉科技大学
专　业: 机械设计及理论
关键词: 遗传算法量子计算量子遗传算法实数编码
分类号: TP18
类　型: 硕士论文
年　份: 2010年
下　载: 146次
引　用: 0次
阅　读: 论文下载

内容摘要

近年来,随着最优化技术和计算机技术在设计领域的应用,优化设计已发展成为一门新兴学科,并为工程设计人员提供了一种重要的科学设计方法,从而大大提高了设计效率和设计质量。遗传算法(Genetic Algorithm,GA)是现代设计方法中较为常用的一种,它是在达尔文的进化论和孟德尔的遗传学理论上产生和发展起来的一种随机搜索算法,该算法具有极高的鲁棒性和广泛的适应性。同时遗传算法亦存在迭代次数多、收敛速度慢等不足。量子遗传算法(Quantum Genetic Algorithm,QGA)是量子计算与遗传算法相结合的产物,该算法因具有种群规模小、寻优能力强、收敛速度快和计算时间短的特点而受到极大的关注。本文在量子遗传算法的基础上提出了一种新的实数编码量子遗传算法(Real Coded Quantum Genetic Algorithm,RQGA),通过与遗传算法和量子遗传算法优化结果的对比分析,证实了实数编码量子遗传算法的有效性和优越性。主要研究内容如下:(1)提出了一种实数编码量子遗传算法。在系统地介绍了遗传算法、基本量子遗传算法的算法流程、关键技术及特点的基础上,针对机械优化问题的特点,提出了一种新的实数编码量子遗传算法,并对算法的编码方法、操作算子、算法流程等进行了较详细的叙述,并进一步叙述了基于Java语言的算法实现。(2)以机械中广泛应用的减速器为对象,研究了所提出的实数编码量子遗传算法在机械结构优化设计中的应用。建立了问题的优化模型,采用实数编码量子遗传算法进行了优化求解,并与遗传算法和基本量子遗传算法的求解结果进行了对比分析,表明了所提出的实数编码量子遗传算法的可行性和优越性。(3)以机械中广泛应用的连杆机构为对象,研究了所提出的实数编码量子遗传算法在机构优化设计中的应用。建立了问题的优化模型,采用实数编码量子遗传算法进行了优化求解,并与遗传算法和基本量子遗传算法的求解结果进行了对比分析,表明了所提出的实数编码量子遗传算法的可行性和优越性。针对连杆机构轨迹优化问题,GA、QGA和RQGA所求得的最优解与目标值之间均存在较大的偏差,所以对目标函数进行了改进,但是这一问题仍未得到合理的解决。因此,对于连杆机构轨迹优化问题,量子遗传算法仍需进行研究和改善。

全文目录

摘要  4-5
Abstract  5-8
第一章绪论  8-21
  1.1 课题背景  8
  1.2 机械优化问题概述  8-13
    1.2.1 机械优化问题的类型  9-10
    1.2.2 机械优化设计的过程  10-11
    1.2.3 机械优化问题研究现状  11-13
  1.3 机械优化问题的求解算法  13-19
    1.3.1 优化设计的基本解法  13
    1.3.2 传统优化方法概述  13-14
    1.3.3 现代优化方法概述  14-19
  1.4 本文研究内容  19-20
  1.5 本章小结  20-21
第二章量子遗传算法及其实现  21-34
  2.1 基本量子遗传算法  21-24
    2.1.1 量子遗传算法概述  21
    2.1.2 量子比特编码  21-22
    2.1.3 量子门调整策略  22
    2.1.4 量子遗传算法流程  22-24
  2.2 实数编码量子遗传算法  24-26
    2.2.1 编码表示  24-25
    2.2.2 量子坍塌  25
    2.2.3 编码规则  25-26
    2.2.4 量子门调整策略  26
  2.3 量子遗传算法的编程实现  26-33
    2.3.1 Java 及JBuilder 介绍  26-28
    2.3.2 相关类的介绍及可视化操作  28-33
  2.4 本章小结  33-34
第三章 RQGA在减速器中的应用  34-43
  3.1 减速器优化实例  34
  3.2 建立优化模型  34-39
    3.2.1 优化目标  34-35
    3.2.2 设计变量  35
    3.2.3 约束条件  35-36
    3.2.4 优化模型  36-39
  3.3 SGA、QGA 和 RQGA 的优化求解及结果分析  39-42
  3.4 本章小结  42-43
第四章 RQGA在连杆机构中的应用  43-57
  4.1 连杆机构优化实例  43-44
  4.2 建立优化模型  44-46
    4.2.1 目标函数  44
    4.2.2 设计变量  44-45
    4.2.3 约束条件  45
    4.2.4 优化模型  45-46
  4.3 SGA、QGA 和RQGA 的优化求解及结果分析  46-49
    4.3.1 优化求解  46
    4.3.2 结果分析  46-49
    4.3.3 存在问题  49
  4.4 模型改进  49-55
    4.4.1 改进方案  49-52
    4.4.2 改进方案二  52-55
  4.5 方案对比  55-56
  4.6 本章小结  56-57
第五章总结与展望  57-58
  5.1 研究工作总结  57
  5.2 今后工作展望  57-58
参考文献  58-61
致谢  61-62
附录作者在攻读硕士研究生期间发表的论文  62-63
中文详细摘要  63-69

量子遗传算法在机械优化问题中的应用研究

内容摘要

全文目录

相似论文