范沐鑫

摘要：随着计算机运算能力的不斷增强，数学理论也得到了迅猛的发展，这就为机械优化设计的突破开拓了全新的设计思路，融合多学科的优化设计理论不断提出，并被引入到现代设计理论中，机械优化设计的设计方法因此而不断的更新与完善，由此促进了机械优化设计的发展。

关键词：机械优化设计;算法改进;设计应用

近年来，随着机械产品市场竞争的加剧，对于机械优化设计算法的改进与应用研究也成为学术界的研究热点之一，在设计数学模型的改进研究中，也融入了计算技术与电子计算机技术，同时也与工程实践应用更加紧密结合，这赋予了机械优化设计广阔的发展前景。

一、遗传算法在机械优化设计中的应用

1、遗传算法的改进研究进展

遗传算法的概念来源于达尔文的进化论，即通过模拟自然选择的进化，通过迭代来获得最优解的进化，从理论上讲，进化的次数越多，所获得的最优解进化就越好，但是，在实际应用中还需要考虑最优解进化是否具有最佳执行效率，为了寻找最优解进化与最佳执行效率之间的平衡点，学者们对遗传算法的改进进行了深入的研究。

为探讨遗传算法在机械优化设计中的应用，喻露（2009）对遗传算法在优化设计中的实现技术进行了较为深入的分析，围绕优化设计中的设计变量、约束条件、目标函数等问题，对比了常规设计方法与应用遗传算法的优化设计在获得最优解的运算时间，对比发现，采用常规设计方法需要经过多次试算的运算，利用遗传算法只需1秒左右就能完成。

易广建（2018）在平面四连杆机械设计中针对遗传算法的实际运用情况，深入分析了遗传算法的应用优势，认为遗传算法在机械优化设计中具有巨大的使用价值。

2、改进遗传算法在机械优化设计中的应用优势

针对传统遗传算法具有早熟收敛、计算结果可能非最优收敛解、进化后期存在搜索效率低、存在一定不稳定性等缺点，刘耀轩、林熙涵以及孙海洋等（2017）对遗传算法作了改进研究，就如何在避免过早收敛的同时保证算法的多样性做了详细分析，并对提升算法的运算速度作了深入探讨。

遗传算法产生三十多年来一直在不断改进，计算机技术的发展更为遗传算法与不同学科的结合提供了更多的可能，在机械优化设计领域，遗传算法的改进与应用也获得长足发展，不仅解决了很多传统算法无法解决的机械设计问题，其超强的通用性也使其渗透到工程项目各个领域的研究与应用中，并在优化设计中充分展现出稳定、高效的有点，对机械优化设计的发展起到了巨大的推进作用。

一、差异演化算法在机械优化设计中的应用

1、差异演化算法的改进研究进展

差异演化算法是基于种群差异原理之上的一种演化算法，其特点是可并行并快速搜索，且容易实现编程，因此被广泛应用于各个领域的计算。差异演化算法具有应用于多目标优化且易早熟等潜能，因此具有适应性强、鲁棒性强、精确度高、收敛速度快等优点， 谢晓锋、张文俊、张国瑞等（2004）研究认为，差异演化算法在求解多种复杂优化问题时具有较强稳健性，刘明广和李高扬（2006）差异演化算法在应用时不要求提供问题的先验知识，这极大的扩大了其应用范围。但是，当收敛速度与搜索鲁棒性发生冲突的时候，差异演化算法很难获得良好的协调效果，而且会因为差异度的减小而降低收敛速度，为此，高飞、童恒庆研究提出了推广的差异演化算法，以获取最优个体。温淑花、张学良、卢清波、王晓丽、武美先等从约束优化的角度，提出了自适应交叉率中心差异演化算法，并通过实证分析，证明了该算法在在机械优化设计中具有收敛速度快、稳定性好、鲁棒性强等优点。

2、差异演化算法在机械优化设计中的应用优势

经过学者们的努力，不断有修正的差异演化算法被提出，并逐渐被应用。修正后的差异演化算法，通过自适应线性变异操作，较好的加快了收敛速度;为了防止过早收敛，学者们引入迁徙操作，有效解决了过早收敛的问题。李改灵、李立华、张丽杰在机械链传动改动优化设计中，运用修正的差异演化算法，极大的减少了运算的工作量，且所得到的解为最优解，不仅解决了链传动优化设计中的计算问题，且为链传动优化设计的发展开拓了新的求解途径。

二、智能化算法在机械优化设计中的应用

1、智能化算法的研究进展

智能化算法是基于计算机科学、智能技术之上，融数学、物理学、生理学、心理学以及神经科学为一体的新一代算法。智能化算法主要通过特定数学模型来对研究对象进行描述，使得对研究对象的描述可通过编程来操作，实现了可计算、可视化的研究描述。黄得双（2006）指出，智能化算法能够在海量数据中进行规律性的挖掘，进而发现所需的知识，且整个计算过程保持着敏捷性，对于复杂的问题，智能化算法能自动将任务进行分解，使问题简单化，或自动变换计算方法来提高计算效率，以在最短的时间内获得最令人满意的计算结果。

王艺霖（2015）对两种智能优化算法理论进行了深入的研究，并通过对五种函数的数值仿真实验，有效解决了机械设计中的函数优化问题。他还在两种智能优化算法优点的基础上，就函数测试提出了新的智能优化算法，并在机械优化设计中得到了验证。

2、智能化算法在机械优化设计中的应用优势

随着计算机技术的进步与应用，一些基于计算机技术应用的智能化优化算法被不断提出，并在机械优化设计中应用发挥着越来越重要的作用，如微粒群优化算法、人工神经网络算法、蚁群算法，还有产算法、进化策略算法等等。微粒群优化算法在计算优化设计方案的时候，不仅方便快捷，而且可以在全部范围内对优化设计进行搜索，从而降低了计算难度，较快实现了收敛计算。

人工神经网络为新型智能优化算法，其在复杂的非线性函数的计算中具有非常明显的优势，在机械设计优化中，能够利用人工网络对相关变量函数进行优化计算，实现对复杂非线性函数的快速处理，并获得准确的优化非线性函数。

蚁群算法是一种模拟的优化计算方法，其算法模型主要是模拟蚁群的生存模式来建立，其具有稳定性强、机械优化目标准确等优点。

近年来，在机械优化设计中进化计算方法的应用越来越受到重视，进化算法不仅能够在全范围内进行计算优化，且计算过程不受函数复杂程度的影响，其不断的进行进化试验计算，直至获得最优方案为止，目前已经在机械设计优化中得到广泛的应用。

参考文献：

[1]喻露. 遗传算法在机械优化设计中的应用[J]. 科教导刊， 2009（5）.

[2]易广建.遗传算法在机械优化设计中的应用研究[J].南方农机，2018（17）.

[3]刘耀轩， 林煦涵， 孙海洋. 遗传算法的研究与改进[J]. 电子世界， 2017（8）.

[4]谢晓锋，张文俊，张国瑞，等.差异演化的实验研究[J].控制与决 策，2004，19（1）：49.52.

[5]刘明广，李高扬.差异演化算法在机械优化设计中的应用[J].机 床与液压，2006，34（5）：63—70.

[6]高飞，童恒庆.一类推广的差异演化算法及其应用[J].武汉大学 学报（理学版），2005，5 l（5）547.55 1.

[7]温淑花， 张学良， 卢青波，等. 差异演化算法及其在机械优化设计中的应用[J]. 农业机械学报， 2008， 39（008）：135-139.

[8]黄德双. 智能计算研究进展与发展趋势[J]. 中国科学院院刊， 2006， 21（001）：46-52.