基于蚁群算法的内燃机气门弹簧优化设计.pdf
《基于蚁群算法的内燃机气门弹簧优化设计.pdf》由会员分享,可在线阅读,更多相关《基于蚁群算法的内燃机气门弹簧优化设计.pdf(3页珍藏版)》请在三一文库上搜索。
1、基于蚁群算法的内燃机气门弹簧优化设计 高 瞩 ( 常州工学院艺术与设计学院, 江苏 常州 2 1 3 0 0 2 ) Op t i mi z e De s i g n o f Ga s En g i ne Va l v e Sp r i n g o n An t Gr o u p Ar i t h me t i c GAO Zhu ( S c h o o l o f Ar t a n d De s i g n, Ch a n g z h o u I n t i t u t e o f Te c h n o l o g y, Ch a n g z h o u 2 1 3 0 0 2, Ch in
2、 a ) 摘要 : 介绍了蚁群算法的基本原理、 模型和算法 实现过程 , 并对内燃机 气门弹簧进行优化设计 , 其计 算结果表明该方法具有工程 实用价值。 关键词: 蚁群算法 ; 气门弹簧 ; 优化设计 中图分类 号 ; TH1 3 5 文献 标识 码 : A 文章编 号 : 1 0 0 1 2 2 5 7 ( 2 0 0 7 ) 0 4 0 0 2 9 0 3 Ab s t r a c t : I nt r od uc e d t he p o s t u l a t e, m o d e l a nd r e a l i z e p r oc e s s o f a n t g r ou
3、p a r i t hme t i c, a nd a p p l i e d i t i n g a s e n gi n e v a l v e s p r i ng de s i g nThe r e s u l t s h o we d i t S v a l u a b l e f o r o p t i mi z e d e s i g n Ke y wo r d s : a n t g r o u p a r i t h me t i c ; v a l v e s p r i n g ; o pt i m i z e d e s i g n 0 引言 蚁群算法 A C A( a
4、 n t c o l o n y a l g o r i t h m) 是最近 几年 由意大利学者 Do r i g o M 等人首先提 出的一种 新型的仿生模拟进化算法 1 , 是随机搜索算法 的一 种。采用该方法求解旅行商 问题 ( T S P ) 、 任务分配 问题 ( a s s i g n me n t p r o b l e m) 、 j o b s h o p调度 问题 , 取 得了一系列较好的实验结果 1 , 显示 出其在求解复 杂优化问题 ( 特别是离散优化 问题) 方面的一些优越 性, 是一种很有发展前景的方法 , 其主要特点如下: a 较强的普遍性 。对基本蚁群算法模拟稍
5、加修 改, 即可应用于其它问题的求解。 b 分布式计算 。蚁群算法是一种基于种群的算 法, 具有并行性。 C 易于与其它算法相结合。蚁群算法很容易与 其它启发式算法相结合 , 以改进算法的性能 。 收稿 日期 : 2 0 0 60 9 2 5 机械 与电子 2 0 0 7 ( 4 ) 1 蚁群 算法原理 1 1 基 本 思想 研究表明, 自然界蚂蚁寻找到从巢穴到食物源 的最短路径是通过一种正反馈的机制实现的。单个 蚂蚁在 自己行走的路径下 留下一种挥发性 的分泌 物 , 称之为信息激素 。后来 的蚂蚁根据前进道路上 的信息数量的多少选择前进的方 向, 在经过一个长 的过程后, 在较短的路径上蚂
6、蚁 留下的信息激素的 量变得较大 , 而蚂蚁越来越多地集中在信息激素量 较大的路径上, 从而找到了一条最短的路径 。 1 2蚁群算法模型及其实现 Do r i g o等人提 出的蚂蚁群体优化的元启发式 规则 , 较好地描述 了蚁群算法的实现过程 。 当没有达到结束条件时, 执行以下活动: a 蚂蚁的行为, 即是蚂蚁在一定的限制条件下 寻找一条路径。 b 轨迹 ( 即信息激素) 浓度的挥发。 C 后台程序 , 主要完成单个蚂蚁无法 完成 的任 务 , 如根据全局信息对信息激素浓度进行更新 。 d 达 到条件 , 则活动结束 。 由于最初的蚁群算法思想起源于离散的网络路 径问题 , 本文以一维搜索
7、为例, 引伸到几维空间的函 数求解。在函数优化问题中, 制定优化函数为 : mi n Z=厂 ( z ) z a , 6 转移概率准则, 设 个人工蚂蚁, 刚开始 时位 于区间 , 6 的 等分 处, 蚂蚁 的转移 概率 定义 为 : = 盟 ( 1 ) 碍 = 1 其中, 表示蚂蚁从位 置 i 转 移到位置 J的概 率 为蚂蚁 的邻域吸引强度 ; 定义为 f ( z ) 一 2 9 维普资讯 http:/ ( z ) , 即 目标函数差异值 ; 参数 a , 1 , 5 , 该 范 围的取值是一个经验值, 目前 尚无理论上的依据 , 本 文根据仿真实际情况 , 取 2 , 6 1比较适合 。
8、 强度更新方程 : 一 + ( 2 ) A r j Q L j ( 3 ) 其中, r J 反映第 只蚂蚁在本次循环 中吸引 强度的增加; Q为正常数 , 其范围 O QI O 0 0 0 ; L 表 示 本 次 循环 中f( z) 的增 量 , 定 义 为厂( z+r ) 一 厂 ( z ) ; O lD 1 , 体现强度的持久性。于是 , 函数 厂 ( z ) 的寻优就借助 m个蚂蚁 的不断移动来进行 : 当 O时, 蚂蚁 i 按概率 P 从其邻域 i 移 至蚂蚁 的邻域; 当 O时, 蚂蚁 做邻域搜索 ( 搜索半 径 或步长为 r ) , 即每个蚂蚁要么转移至其它 蚂蚁处 , 要么进行邻
9、域搜索 。 由此可见 , 当蚂蚁的数量足够多, 搜索半径足够 小 , 这种寻优方式相当于一群蚂蚁对定义区间 n , 6 做穷尽的搜索 , 逐渐收敛到问题的全局最优解 。 上述 函数优化过程不受优化 函数是否连续, 是 否可微等限制 , 较之经典搜索方法是具有 明显 的优 越 性和稳 定性 。 函数优化问题的一群算法如下 2 。 a c o u n t O ( c o u n t 是迭代或搜 索次数) ; 各 和 A r j 初始化 。 b 将 m个蚂蚁置于各 自的初始邻域 ; 每个蚂蚁 按概率 P 移动或做邻域搜索。 c 计算各个 蚂蚁 的 目标 函数 Z k ( k一1 , 2 , , m)
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 算法 内燃机 气门 弹簧 优化 设计
链接地址:https://www.31doc.com/p-3704430.html