遗传/粒子群混合算法在飞剪机结构优化中的应用

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 240-242.

遗传/粒子群混合算法在飞剪机结构优化中的应用

贾寒飞¹,霍军周²

1.上海宝钢工程技术有限公司,上海 201900
2.大连理工大学机械工程学院,辽宁大连 116024

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 贾寒飞

Optimal mechanism design of shearing machine using genetic/particle swarm hybrid algorithm

JIA Han-fei¹,Huo Jun-zhou²

1.Shanghai BaoSteel Engineering & Equipment Co. Ltd.,Shanghai 201900,China
2.School of Mechanical Engineering,Dalian University of Technology,Dalian,Liaoning 116024,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: JIA Han-fei

摘要/Abstract

摘要： 飞剪机结构参数设计需满足若干技术性能要求才能保证剪切质量。飞剪机结构参数优化设计问题要满足多个非线性约束要求,同时需优化多个目标函数,提出遗传算法/粒子群混合算法用于曲柄连杆式飞剪机结构参数优化设计,结合各自算法的优势,在算法运行初期利用遗传算法的全局搜索能力进行优化搜索,在算法运行后期利用粒子群较强的局部搜索能力进行搜索,综合考虑多个目标函数和约束条件,通过实例计算表明,该混合方法可以稳定、有效的获取到满意的优化设计结果。

关键词: 遗传算法, 粒子群算法, 飞剪机, 结构优化

Abstract: The shearing machine is a important complex accessory equipment in continue mode rolling mill,its mechanism concerns the shearing quality of steel.The Shearing Machine Mechanism Design Problem（SMMDP） belongs to muti-objective optimization problem.In this paper,a Genetic/Particle Swarm hybrid algorithm is adopted to solve the SMMDP,in which GA is used to strengthen the global search at the early running time,PSO is used to enhance the local search at the later running time and multi-objective functions and constraints are considered together.The experiment results show that the hybrid algorithm can obtain the superior solution stably and effectively.

Key words: Genetic Algorithm（GA）, Particle Swarm Optimization（PSO）, shearing machine, mechanism optimization

贾寒飞¹,霍军周². 遗传/粒子群混合算法在飞剪机结构优化中的应用[J]. 计算机工程与应用, 2007, 43(28): 240-242.

JIA Han-fei¹,Huo Jun-zhou². Optimal mechanism design of shearing machine using genetic/particle swarm hybrid algorithm[J]. Computer Engineering and Applications, 2007, 43(28): 240-242.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	杜垚. 结合局部优化匹配的Android恶意家族检测算法[J]. 计算机工程与应用, 2021, 57(8): 84-90.
[3]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[4]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[5]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[6]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[7]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[8]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[9]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[10]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[11]	曹立佳，刘洋. 制造车间自动导引车调度新进展[J]. 计算机工程与应用, 2021, 57(21): 59-67.
[12]	陈倩茹，李雅丽，许科全，刘铱龙，王淑琴. 自调优自适应遗传算法的WKNN特征选择方法[J]. 计算机工程与应用, 2021, 57(20): 164-171.
[13]	石宇强，田永政，张雨琦，石小秋. 运用含复杂网络结构的多种群遗传算法求解FJSP[J]. 计算机工程与应用, 2021, 57(2): 257-266.
[14]	代江涛，韩晓龙. 考虑作业状态能耗的集装箱码头设备协调调度[J]. 计算机工程与应用, 2021, 57(19): 290-298.
[15]	姜良重，雷航，李贞昊，钱伟中，施甘图. 采用自适应优化权重的出库货位优化方法研究[J]. 计算机工程与应用, 2021, 57(15): 271-278.