基于智能計算及知識指導的集成優(yōu)化設計理論與方法研究

內(nèi)容概要

《基于智能計算及知識指導的集成優(yōu)化設計理論與方法研究》編著者劉道華。
《基于智能計算及知識指導的集成優(yōu)化設計理論與方法研究》內(nèi)容針對單一智能優(yōu)化算法的內(nèi)在機理、優(yōu)化策略、算法的收斂性進行了深入的系統(tǒng)分析。充分利用各種單一智能優(yōu)化算法的優(yōu)點，依據(jù)集成優(yōu)化系統(tǒng)中已有的知識庫知識規(guī)則作指導，針對不同的優(yōu)化設計模式自動構(gòu)建不同的集成優(yōu)化求解方法。集成優(yōu)化求解方法在優(yōu)化求解進程中自適應地調(diào)整子算法的參數(shù)，從而提高集成優(yōu)化算法的求解精度及求解效率。構(gòu)建不同類型的知識獲取器對優(yōu)化的中間或結(jié)果數(shù)據(jù)進行深度挖掘，從而抽取有效的知識規(guī)則。書中最后以液壓錨桿鉆機動力頭集成優(yōu)化設計為實例，并通過實例優(yōu)化結(jié)果的有效性驗證該集成優(yōu)化方法的正確性。
本書適合從事智能計算研究與優(yōu)化設計研究與應用的科技工作者和工程技術人員閱讀使用，也可作為高等院校計算機等信息類、機械等工程類的相關專業(yè)研究生和高年級本科生的教學參考。

書籍目錄

第1章 緒論
  1.1 國內(nèi)外研究現(xiàn)狀
    1.1.1 智能計算的發(fā)展現(xiàn)狀
    1.1.2 知識在集成優(yōu)化中運用的水平
    1.1.3 傳統(tǒng)優(yōu)化設計理論的發(fā)展現(xiàn)狀及不足
    1.1.4 單一智能優(yōu)化算法存在的不足
    1.1.5 集成優(yōu)化設計理論的發(fā)展現(xiàn)狀及分析
    1.2 本書的主要研究內(nèi)容
    1.3 本書的研究方法及組織結(jié)構(gòu)
    l.3.1 本書的研究方法
    1.3.2 本書的篇章結(jié)構(gòu)
    1.4 本書研究的重要意義和應用前景
第2章 面向工程機械的優(yōu)化設計理論及方法
  2.1 優(yōu)化設計理論及基本概念
    2.1.1 優(yōu)化設計的基本概念
    2.1.2 優(yōu)化設計理論
    2.1.3 優(yōu)化設計的關鍵技術
  2.2 優(yōu)化設計技術分類
  2.3 面向工程機械的多目標智能優(yōu)化
    2.3.1 多目標優(yōu)化的基本概念
    2.3.2 多目標優(yōu)化問題的傳統(tǒng)求解方法
    2.3.3 常見的多目標優(yōu)化性能度量方法
    2.3.4 改進的多目標優(yōu)化問題的性能度量方法
    2.3.5 基于進化算法的多目標優(yōu)化問題的求解方法
第3章 智能計算方法及其集成技術
    3.1 常見智能計算方法及其改進算法
    3.1.1 模擬退火算法
    3 1.2 遺傳算法及算法改進措施
    3 1.3 神經(jīng)網(wǎng)絡優(yōu)化算法及動態(tài)反饋神經(jīng)網(wǎng)絡的穩(wěn)定性分析
    3.1.4 蟻群優(yōu)化算法
    3.1.5 粒子群優(yōu)化算法
  3.2 智能計算方法的集成技術
    3.2.1 集成與系統(tǒng)集成的主要特征
    3.2.2 智能集成的涵義
    3.2.3 智能集成優(yōu)化的關鍵問題
    3.2.4 智能集成優(yōu)化的集成形式
    3.2.5 智能集成優(yōu)化算法的性能評價
第4章 智能計算與仿真分析的結(jié)合模式及集成優(yōu)化求解方法
    4.1 智能計算與仿真分析的集成模式
    4.2 工程機械優(yōu)化設計模式分類
    4.3 集成優(yōu)化求解方法的指導性知識規(guī)則
    4.4 優(yōu)化設計模式的智能集成優(yōu)化求解方法
    4.4.1 以遺傳算法為代表的遺傳集成類優(yōu)化求解方法
    4.4.2 以神經(jīng)網(wǎng)絡為代表的網(wǎng)絡集成類優(yōu)化求解方法
    4.4.3 以蟻群算法為代表的蟻群集成類優(yōu)化求解方法
    4.4.4 以粒子群算法為代表的粒子群集成類優(yōu)化求解方法
    4.4.5 遺傳算法集成混沌優(yōu)化求解方法
    4.4.6 蟻群算法集成混沌優(yōu)化求解方法
    4.4.7 粒子群算法集成混沌優(yōu)化求解方法
    4.4.8 基于多蟻群算法的多目標智能集成優(yōu)化求解方法
    4.4.9 基于網(wǎng)絡響應面的多目標優(yōu)化求解方法
    4.5 集成優(yōu)化算法的參數(shù)自適應動態(tài)調(diào)整
    4.5.1 遺傳算法控制參數(shù)的自適應調(diào)整方法
    4.5.2 粒子群參數(shù)動態(tài)自適應調(diào)整方法
    4.5.3 遺傳算法參數(shù)的模糊邏輯控制器調(diào)整方法
    4.5.4 蟻群優(yōu)化算法參數(shù)的模糊邏輯控制器調(diào)整方法
第5章 基于智能計算與仿真分析的知識獲取方法
    5.1 神經(jīng)網(wǎng)絡優(yōu)化的產(chǎn)生武知識獲取方法
    5.2 基于粗糙集理論的知識獲取方法
    5.2.1 知識自動獲取原理
    5.2.2 基于粗糙集理論的知識自動獲取過程
    5.3 智能計算與仿真分析相結(jié)合的知識獲取方法
    5.3.1 基于ADAMs仿真數(shù)據(jù)的知識獲取方法
    5.3.2 基于ANsYs分析數(shù)據(jù)的知識獲取方法
第6章 智能集成優(yōu)化平臺及錨桿鉆機動力頭集成優(yōu)化實例  
    6.1 智能集成優(yōu)化平臺的總體結(jié)構(gòu)
    6.2 智能集成優(yōu)化系統(tǒng)的功能模塊
    6.3 液壓錨桿鉆機的發(fā)展現(xiàn)狀
    6.4 液壓錨桿鉆機動力頭傳動機構(gòu)的智能集成優(yōu)化實例
    6.5 錨桿鉆機動力頭智能集成優(yōu)化設計的知識獲取方法
    6.5.1 錨桿鉆機動力頭ADAMS仿真數(shù)據(jù)的知識獲取方法
    6.5.2 錨桿鉆機動力頭ANSYS分析數(shù)據(jù)的知識獲取方法
第7章 總結(jié)及展望
  7.1 研究工作總結(jié)
  7.2 研究工作的不足及展望
參考文獻

章節(jié)摘錄

版權(quán)頁：   插圖：   混合遺傳算子，來處理多目標優(yōu)化問題不同的約束和目標函數(shù)。Mosher介紹了一套航天器概念優(yōu)化工具SCOUT，將遺傳算法用于航天器設計的大規(guī)模問題求解。國內(nèi)學者李智利用蟻群算法優(yōu)化往復振動篩運行參數(shù)等問題，并取得了很好的優(yōu)化設計效果。段國林、查建中等人分別利用模擬退火算法和遺傳算法對鐘、手表機芯設計中的傳動件帶性能約束布局進行了設計。滕弘飛等人以返回式衛(wèi)星艙布局優(yōu)化設計為背景，先后利用自適應的改進遺傳算法和人機交互的遺傳算法對帶動、靜平衡等性能約束的旋轉(zhuǎn)艙內(nèi)裝填布局進行了優(yōu)化。方海鵬等人。通過引入相似度和生存期的概念對遺傳算法進行了改進，并與模擬退火算法進行了有效的結(jié)合，既有較快的收斂速度，又具有更強的獲得全局最優(yōu)解的能力，對一般優(yōu)化算法難以解決的大規(guī)模化工換熱網(wǎng)絡問題取得了非常滿意的結(jié)果；又針對衛(wèi)星艙設計中的帶性能約束布局優(yōu)化問題，給出并證明了矩形圖元布局優(yōu)化不干涉性的判斷定理，依該定理構(gòu)造了求解布局問題的不干涉遺傳算法。侯廣坤等人針對二維不規(guī)則形狀物體的自動最優(yōu)布局問題提出了一個基于進化計算的算法，并以服裝計算機輔助設計為例表明基于進化計算的算法能夠卓有成效地應用到自動布局問題。蔡煜東將遺傳算法應用于VLSI兩端線網(wǎng)布局設計，證明布局結(jié)果優(yōu)于改進的復雜度為線性的最小割線算法。李建勇等人心將混沌人工神經(jīng)元網(wǎng)絡引用到布局的優(yōu)化求解計算中，討論了混沌人工神經(jīng)元網(wǎng)絡的模型以及布局問題到混沌神經(jīng)網(wǎng)絡的映射，并結(jié)合二維規(guī)則物體的布局問題通過軟件模擬計算對所討論的算法進行了驗證。 可以看出，雖然現(xiàn)有的單一智能算法取得許多應用成果，但單一的智能優(yōu)化求解方法只針對具體的某些優(yōu)化模式，且具有很大的局限性。這種局限性體現(xiàn)在： （1）對某一求解問題針對性強，當設計模式發(fā)生變化或者原有設計知識不適用時，智能優(yōu)化算法往往無法求解。 （2）優(yōu)化設計算子復雜，優(yōu)化參數(shù)設置多，對不同的優(yōu)化問題難以動態(tài)調(diào)整設計參數(shù)。 （3）缺乏嚴格的數(shù)學基礎，除遺傳算法依靠模式定理作保證的算法收斂性分析外，其余算法的復雜性、收斂性及魯棒性分析還缺少嚴格的數(shù)學證明。 （4）有些智能優(yōu)化算法運算量過大，優(yōu)化時間長，優(yōu)化效率低。 （5）某些算法具有局部性，只針對某特定問題，沒有形成統(tǒng)一的集成框架，未形成一個有機集成的方法體系，只是孤立地使用各個單一的智能算法?！癗o Free Lunch”定理。也說明了沒有一種算法對任何問題都是最有效的，即各算法均有其相應的適用域。Davis L指出“hybridize where possible”，說明算法的綜合是拓寬其適用域和提高性能的有效手段。 （6）缺乏系統(tǒng)嚴格的理論論證和統(tǒng)一框架，沒有形成一般性方法，只能就事論事、具體問題具體分析，沒有建立起能夠全面解決各種優(yōu)化問題的系統(tǒng)的方法體系。尤其是非導數(shù)智能優(yōu)化算法在求解問題時，常常因具有局部極小、效率低兩大缺點所困擾。 1.1.5集成優(yōu)化設計理論的發(fā)展現(xiàn)狀及分析 現(xiàn)有的智能優(yōu)化算法自身的優(yōu)化求解性能各有特色。

編輯推薦

《基于智能計算及知識指導的集成優(yōu)化設計理論與方法研究》適合從事智能計算研究與優(yōu)化設計研究與應用的科技工作者和工程技術人員閱讀使用，也可作為高等院校計算機等信息類、機械等工程類的相關專業(yè)研究生和高年級本科生的教學參考。

圖書封面

評論、評分、閱讀與下載

---

    基于智能計算及知識指導的集成優(yōu)化設計理論與方法研究 PDF格式下載

---