随着智能制造和精益生产的推进,元启发式算法(智能算法)已经在实际工业和生活中得到了广泛应用。然而,由于其自身结构所带来的不确定性,如何针对具体目标快速选择一个高效的特定算法,仍然需要进一步的研究与探讨。为此以具有代表性的NP-hard问题—TSP问题为例,针对典型的元启发式算法遗传算法、模拟退火算法、禁忌搜索算法和蚁群算法进行了不同维度的实验与对比。并结合算法的不同求解思想,通过对其计算结果和计算过程的定量分析,给出了四种算法的特点与异同,以此来为相关算法的选择、应用以及改进提供基础与参考。

野山羊算法结合不同的搜索策略,弥补了多个著名元启发式算法在解决优化问题中的固有缺陷。针对传统野山羊算法不能有效解决多目标优化问题,提出了多目标野山羊算法并应用于多目标优化当中。首先该算法在野山羊算法基础上提出了改进的多种群策略,提升了种群多样性;其次将该策略与提出的动态进化策略和领头羊派遣策略结合,进一步增强了个体之间的信息交流,防止算法局部收敛。再者将该算法与其他经典多目标优化算法比较,实验结果表明提出的算法在解决多目标优化问题中具有明显优势。最后将该算法应用到动压滑动轴承的多目标优化设计当中。

针对传统的凸轮从动机构设计方法不能满足凸轮从动机构多因素和多层次的设计要求,提出用元启发式算法对凸轮从动机构进行设计优化。构建凸轮从动机构简化示意图,采用元启发式算法实现凸轮从动机构的设计优化,并对优化效果进行仿真验证。分析凸轮从动机构的结构,建立凸轮从动机构数学模型;定义3个优化目标,同时添加8个约束条件。开发元启发式优化算法蚂蚁优化器,编写相应代码。采用MATLAB软件对凸轮从动机构进行仿真,与传统计算法计算结果进行对比和分析。仿真结果表明:采用元启发式算法优化后,机构尺寸最大减小9.5%、提升从动机构所需力最大减少2.4%、最大接触应力最大减少12.1%,从动机构位移跟踪误差、速度以及加速度的最大值也大大减少。验证了采用元启发式算法能有效实现凸轮从动结构的设计优化。