针对传统遗传算法(Genetic Algorthm,GA)在求解大规模路径优化问题时容易陷入局部最优问题,提出一种分区协作优化模型,以提升种群多样性及局部搜索能力。首先,根据拟分区的规模基本相同,以代价函数为依据提出一种自适应聚类分区方法,将大规模路径优化划分为若干分区,采用传统GA算法获得局部的最短路径排列;然后,按照就近原则将分区最短路径进行拼接,获得大规模路径优化问题的最优解,并利用4个TSPLIB标准集进行试验验证。最后,利用Rat195TSP实例探究分区数目对优化结果的影响。结果表明,分区数目相同时,路径规模与优化结果具有明显正相关关系。Rat195TSP实例拟合表明,分区数与最优解满足凹函数特性,当分区数目在8~12时,获得的最优解效果最好。

根据几何误差评定的最小条件要求,建立几何误差评定的可视化系统.在Matlab软件中应用微粒群算法计算零件的几何误差,在进行数据处理的同时,对测量数据和评测结果进行两维或三维图形显示,为可视化评定几何误差创建了一个集成平台,同时为及时正确地检测出零件加工误差提供有利条件.

通过分析国家标准中同轴度的定义，提出更符合最小区域要求的评定方法，并利用微粒群算法寻找最小误差值。首先提出一种完全根据同轴度定义建立的评定模型，随后针对具体应用场所提出一种改进的评定模型。针对改进的模型分别采用了微粒群算法和最小二乘法评定同轴度误差，对比结果表明此模型下用微粒群算法有很好的处理速度、更准确的评定结果以及较低的计算成本。