声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2187/TH
国际刊号：0577-6686
发布日期:
作者：杨志军, 陈超然, 黄观新
单位：1. 广东工业大学省部共建精密电子制造技术与装备国家重点实验室 广州 510006;；2. 广东工业大学广东省微纳加工技术与装备重点实验室 广州 510006;；3. 汕头职业技术学院机电工程系 汕头 515078
关键词：Kriging模型,黑箱问题,全局优化,梯度投影法,遗传算法；
基金：国家自然科学基金（91648108，11702065，51875108）、广东省自然科学基金（2015A030312008）和中国博士后科学基金（2017M622623）资助项目。
针对机器人优化设计等工程应用中普遍存在的黑箱问题，提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化（Hybrid global optimization， HGO）算法。该方法使用非均匀Kriging模型对目标函数进行评估，能够在不苛求近似模型全局精度的情况下保证优化过程的精度，并节省大量计算时间。使用梯度投影法对遗传算法种群进行变异，可以在提升优化收敛效率的同时确保优化约束条件，从而可以避免使用并不严格的罚函数法处理约束函数。为验证算法的有效性和优越性，将本算法应用于两个数学测试算例和一个模块化机械臂截面优化实例中，并与其他优化算法比较。结果表明，本算法能够兼顾结果精度、优化效率和算法稳定性，发挥更好的综合性能，从而实现对工程问题的全局优化设计。
来源：2019年第11期
《机械工程学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。