基于粒子群算法的曲柄滑塊機(jī)構(gòu)優(yōu)化設(shè)計(jì)

高朝祥 王 充

（四川化工職業(yè)技術(shù)學(xué)院，四川 瀘州 646005）

基于粒子群算法的曲柄滑塊機(jī)構(gòu)優(yōu)化設(shè)計(jì)

高朝祥 王 充

（四川化工職業(yè)技術(shù)學(xué)院，四川 瀘州 646005）

針對(duì)帶有約束條件曲柄滑塊機(jī)構(gòu)優(yōu)化設(shè)計(jì)問題，提出將混合懲罰函數(shù)法與粒子群優(yōu)化原理相結(jié)合算法，使帶有約束條件問題轉(zhuǎn)化為無(wú)約束優(yōu)化問題，通過實(shí)例進(jìn)行測(cè)試，將其結(jié)果與常規(guī)優(yōu)化設(shè)計(jì)結(jié)果進(jìn)行比較，結(jié)果表明PSO算法在曲柄滑塊機(jī)構(gòu)優(yōu)化設(shè)計(jì)中具有實(shí)用性強(qiáng)、有求解準(zhǔn)確可靠等優(yōu)點(diǎn)，是一種有效的求解方法。

曲柄滑塊機(jī)構(gòu)；粒子群優(yōu)化；迭代；適應(yīng)值

傳統(tǒng)優(yōu)化設(shè)計(jì)問題基本上都可歸結(jié)為帶有約束條件的函數(shù)的優(yōu)化問題，許多算法都是基于梯度信息求解約束優(yōu)化問題，只適用于目標(biāo)函數(shù)和約束條件可微的情況［1，2］。近年來(lái)，模擬物理（自適應(yīng)隨即搜索法、模擬退火法）或生物（遺傳算法及進(jìn)化算法）等自然過程的智能化算法受到了很大的關(guān)注，其隨機(jī)性搜索的屬性使得該類方法在處理復(fù)雜問題方面具有諸多優(yōu)勢(shì)［3］。但這些算法一般都具有收斂速度慢、易早熟和解約束問題性能較差的缺點(diǎn)。

在曲柄滑塊運(yùn)動(dòng)機(jī)構(gòu)的設(shè)計(jì)中，粒子群算法具有較強(qiáng)的全局搜索能力，但存在局部搜索能力較差的缺陷，應(yīng)用中常常表現(xiàn)出收斂速度慢且存在過早收斂的問題。有求解約束優(yōu)化問題常用的方法是懲罰函數(shù)法。混合懲罰函數(shù)法是將內(nèi)點(diǎn)法和外點(diǎn)法結(jié)合起來(lái)，處理具有等式約束和不等式約束的優(yōu)化方法。……