针对双轮差速驱动自动导引车的轨迹跟踪问题,首先根据车辆角度偏差,横向距离偏差这两者与驱动轮速之间的关系,建立简化车辆运动模型,其次,采用线性递减惯性权重改进的粒子群算法设计控制方案,最后提出时间乘误差绝对值积分准则与误差占比相结合的变化适应度函数.将以上两种控制方法与标准粒子群控制方法进行仿真对比,结果表明,采用线性递减惯性权重粒子群算法能有效提高粒子寻优速度,结合以上两种改进的控制方法,能减小超调量,缩短调节时间,增加车辆行驶稳定性.

汽车同步器是自动变速器的重要组成部分。对同步器的模拟优化能为同步器的设计生产提供重要的参考。为了获得一个较好的优化效果,提出了一种改进的遗传算法。通过对遗传算法选择过程的标准进行了改进,结合适应度函数与染色体之间差异,形成一种新的适应度函数。该函数同时考虑了选择压力和物种多样性。通过对函数中两个常量的调整,可以使算法在不同情况下可以有不同的偏重。引入两种典型测试函数的分别从高纬度变量和低纬度变量进行试验,分析改进算法中两个影响因子的作用。并与几类遗传算法进行比较,结果表明该改进的遗传算法能更快更稳定的找到较优的解。最后将改进选择策略结合自适应遗传算法对同步器进行优化,证明了该选择策略具有良好的鲁棒性和实效性。

为了提高复杂产品的装配效率,对遗传帝国竞争混合算法进行了研究与改进,给出了混合算法的融合策略,以解决虚拟装配中的装配序列规划问题。建立考虑装配序列可行性、装配序列稳定性、装配重定向性以及装配聚合性四个评价指标的适应度函数,以适应度函数值最低为目标利用混合算法进行迭代。以某乘用车后桥减速器为实例进行试验,验证了混合算法在求解装配序列规划问题的可行性,并同单一的遗传算法、帝国竞争算法及粒子群算法进行比较,验证了混合算法在求解装配序列规划问题上的优越性。

针对装配序列规划问题,建立考虑装配序列的几何可行性、稳定性、聚合性、重定向性的装配关系模型以及基于适应度函数的装配序列优化数学模型。提出一种改进布谷鸟算法对装配序列规划问题进行求解,采用随机键和最小位置规则的方法设计基于零件编号、装配方向、装配工具的3层编码方案;设计基于最小装配成本的初始化策略与随机初始化策略相结合的混合种群初始化策略,提高种群质量;改进种群进化和搜索方式,将种群分为3个子群,并分别采用自适应步长飞行、标准步长飞行和交叉、变异的方式进行种群更新,提高算法的收敛速度和求解精度。最后通过实例应用及与其他算法的比较,验证了所提出的改进布谷鸟算法在求解装配序列规划问题上的有效性和优越性。

以试验靶场中光电经纬仪设备的布站情况为例，通过数据仿真计算，分析了光测设备布站的跟踪测量数据处理精度和精度几何因子（Geometric Dilution of Precision，GDOP），为实时数据的可靠性分析以及外测事后数据处理精度分析提供了技术支持。并对设备的几何布站提出了利用遗传算法进行优化的设想，讨论了约束条件及适应度函数，为通过最优的多通道测量数据来交会计算最佳轨道参数提供了参考。

针对量子遗传偏最小二乘法在特征选择过程中,存在初始化种群粗糙和适应度函数复杂等问题,提出了一种新的特征选择方法——改进的量子遗传偏最小二乘法(Improved Quantum Genetic Algorithm Partial Least Square,IQGAPLS)算法。该算法根据求解问题的实际情况,赋予种群初始值。同时,设计了一种新的适应度函数,以减少计算量,并基于此适应度函数,提出了一种新的旋转角度更新公式,解决了其方向和大小确定困难的问题。将该算法应用于轴向柱塞泵故障信号的特征选择中。实验结果表明,IQGAPLS算法具有较少的计算量和较短的执行时间,选择出的特征包含更多的工作状态信息,从而提高了分类准确率。

为了提高预测控制模型的准确度,采用RBF神经网络来完成网络流量预测,并借助群体智能算法中的混合蛙跳算法来实现模型参数的优化。首先,在建模过程中引入混合蛙跳算法。然后,将RBF神经网络权重和阈值作为青蛙个体,随机产生的多个权重和阈值组合个体构成蛙群。对蛙群进行分组,并通过不断重新分组和组内迭代的方法来获取全局最优个体,从而得到最优权重和阈值,以便确定最优的预测控制模型。经过实验证明:采用基于群体智能优化RBF神经网络的预测控制模型具有更高的准确度。

逆运动学问题是冗余度机器人运动控制、轨迹规划和动力学分析的基础,也是机器人学中最重要的问题之一。以末端执行器位姿的误差最小为优化目标,建立适应度函数,将求解冗余度机械手的逆运动学问题转化为一个等价的优化问题,在优化算法的基础上通过杂交变异果蝇优化算法(HMFOA)进行冗余度机械手逆运动学问题的求解。采用嗅觉搜索杂交突变机制和视觉搜索的动态实时更新机制,有效解决果蝇优化算法(FOA)的收敛问题,并提高算法的收敛速度。为进一步验证HMFOA的有效性,在七自由度机械手上对HMFOA进行了测试,将其结果与FOA、LGMS-FOA和AE-LGMSFOA等算法进行了比较,证明HMFOA能有效地解决冗余机械手的逆运动学问题。

鉴于现代掘进机设计对功能需求、审美需求、安全保障性以及市场竞争力要求的不断提高的现状,将遗传算法思想引入到掘进机造型设计之中。针对掘进机造型设计,传统的遗传算法存在一定缺陷,因此对遗传算法进行合理优化。通过分析与国外产生差距的原因,解读掘进机造型设计特征,研究遗传算法的原理和应用,以掘进机造型设计,阐明算法优化后的具体应用流程,并对其可行性进行验证,同时为我国同领域机械产品设计提供参考。

遗传算法可以通过模拟自然进化的过程来搜索最优解，只需目标函数及适应度函数，不需要依赖梯度或其它辅助信息，多用于函数优化、组合优化、生产调度、自动控制、机器人学、图像处理、遗传编程等诸多方面。文中利用遗传算法对行星轮减速器进行了多目标函数的遗传算法优化分析。