基于遗传算法的装载机工作装置优化设计应用研究
|
摘要
本文根据目前工程机械领域中的高效率、低能耗的发展方向，运用一种智能随机优
化方法——实值编码遗传算法，来优化装载机的工作装置。目的在于解决运用传统的优
化方法设计工作装置时，不容易得到全局最优结果的弊端。
本研究从装载机工作装置运动分析入手，在满足机构性能要求的前提下，建立了以
动臂油缸和翻转油缸处于铲掘位置时的最大举升力和最大铲掘力为目标函数，以连杆机
构的各个杆件长度为设计变量，以工作装置的工作性能和结构设计要求为约束函数的多
维优化数学模型。根据本优化设计的实际情况，本研究对标准遗传算法进行了改进：将
标准遗传算法和混合惩罚函数的思想相结合，设计了合理的适应度函数；采用了实值编
码的编码方式，从而避免了进行二进制编码时由于染色体的位串过长导致的重复操作、
降低杂交和变异的效果、增加运算的时间和陷于局部最优的可能，减少了标准遗传算法
中译码的步骤；采用了联赛选择机制、算术交叉、非均匀变异三种遗传算子。所有的程
序都用TurbC2.0编制而成。该程序由选择、交叉变异、群体更新等主要模块及输入、
输出、编码、适应度计算等辅助模块构成。
通过具体实例分析，进行了改进遗传算法的参数优化配置，选择出了合理的最大群
体规模、最大遗传代数、选择概率、交叉变异概率、非均匀度变异参数等。结果表明装
载机在满足最大卸载高度、最小铲掘深度、最大高度时的卸载距离、平移特性、卸料性、
自动放平性等技术要求的前提下，其动力性能比原来提高了大约9％。优化设计所用的
时间大大缩短，执行效率是混合惩罚函数的3倍。
改进遗传算法成功的解决了装载机工作装置优化设计中由于目标函数非线性、自变
量维数多、约束函数多从而求解困难的问题，提高了工程设计水平和设计效率，缩短了
设计周期，减少了工程投资。
An Application Research of the Work-equipment
Optimization of Loder-dozer Based On Genetic Algorithm
Graduate: Xiong Xuefeng
Tutor: Prof. Sun Li
Prof. Guo Kangquan
Abstract
According to the direction of high efficiency and saving-energy in engineering machinery, this paper bring forward a kind of intelligence randomizing optimizing method桮enetic Algorithm (GA), to optimize the equipment of the loader-dozer. The purpose of this paper is to solve the problem of not easy to derive a global optimal result when using traditional optimizing method.
Tiis paper make a movement analysis of work equipment, establish a high-dimensional optimal mathematical model; The objective functions of this model are the lifting force of arm working cylinder and the shoveling force of turn over working cylinder, the design variable is the length of each member of link gear, the constraint function is the design requirement. According to the factual conditions of this design, The paper improved the traditional Genetic Algorithm by several ways: Unites the penalty thoughts and standard GA, and designs a suitable fitness function; Adopts a improved encoding??real-value encoding, Because binary encoding may result reoperation, lowing efficiency of crossing and mutation, and increasing the run-time and the possibility of local optimal due to the long string of chromosome. This encoding method avoids all these problem successfully, and tail off the decoding step in GA; Adopts tournament selection, mathematical crossover, non-linear mutation. All of programs compiled with Tc2.O. The programs are made up of main model such as selection, crossover, mutation and generation and so on and supplementary model such as input, output, encoding and fitness calculating and so on.
Through sample analysis, this paper takes parameter optimization of improved GA, and selected reasonable parameters such as: popsize, maxgen, Pr, Pr, Pm, non-linear mutation parameter. The results shows that the dynamic force performance of loader-dozer is up by 9% under the premises of filling the specification such as maximum discharge height, minimum shovel depth, discharge distance, translation characteristic, unloading characteristic, auto laying characteristic and so on. The optimization time is shorten greatly, perform efficiency of improved GA is 3 times of the penalty.
Improved GA successfully solved the problem of difficult-solution due to the nonlinear, multibounding, high dimensional of objective function in working equipment optimization of loader-dozer, increased the efficiency and level of engineering design, and shorten the periodic of design, decreased the capital.
化方法——实值编码遗传算法，来优化装载机的工作装置。目的在于解决运用传统的优
化方法设计工作装置时，不容易得到全局最优结果的弊端。
本研究从装载机工作装置运动分析入手，在满足机构性能要求的前提下，建立了以
动臂油缸和翻转油缸处于铲掘位置时的最大举升力和最大铲掘力为目标函数，以连杆机
构的各个杆件长度为设计变量，以工作装置的工作性能和结构设计要求为约束函数的多
维优化数学模型。根据本优化设计的实际情况，本研究对标准遗传算法进行了改进：将
标准遗传算法和混合惩罚函数的思想相结合，设计了合理的适应度函数；采用了实值编
码的编码方式，从而避免了进行二进制编码时由于染色体的位串过长导致的重复操作、
降低杂交和变异的效果、增加运算的时间和陷于局部最优的可能，减少了标准遗传算法
中译码的步骤；采用了联赛选择机制、算术交叉、非均匀变异三种遗传算子。所有的程
序都用TurbC2.0编制而成。该程序由选择、交叉变异、群体更新等主要模块及输入、
输出、编码、适应度计算等辅助模块构成。
通过具体实例分析，进行了改进遗传算法的参数优化配置，选择出了合理的最大群
体规模、最大遗传代数、选择概率、交叉变异概率、非均匀度变异参数等。结果表明装
载机在满足最大卸载高度、最小铲掘深度、最大高度时的卸载距离、平移特性、卸料性、
自动放平性等技术要求的前提下，其动力性能比原来提高了大约9％。优化设计所用的
时间大大缩短，执行效率是混合惩罚函数的3倍。
改进遗传算法成功的解决了装载机工作装置优化设计中由于目标函数非线性、自变
量维数多、约束函数多从而求解困难的问题，提高了工程设计水平和设计效率，缩短了
设计周期，减少了工程投资。
An Application Research of the Work-equipment
Optimization of Loder-dozer Based On Genetic Algorithm
Graduate: Xiong Xuefeng
Tutor: Prof. Sun Li
Prof. Guo Kangquan
Abstract
According to the direction of high efficiency and saving-energy in engineering machinery, this paper bring forward a kind of intelligence randomizing optimizing method桮enetic Algorithm (GA), to optimize the equipment of the loader-dozer. The purpose of this paper is to solve the problem of not easy to derive a global optimal result when using traditional optimizing method.
Tiis paper make a movement analysis of work equipment, establish a high-dimensional optimal mathematical model; The objective functions of this model are the lifting force of arm working cylinder and the shoveling force of turn over working cylinder, the design variable is the length of each member of link gear, the constraint function is the design requirement. According to the factual conditions of this design, The paper improved the traditional Genetic Algorithm by several ways: Unites the penalty thoughts and standard GA, and designs a suitable fitness function; Adopts a improved encoding??real-value encoding, Because binary encoding may result reoperation, lowing efficiency of crossing and mutation, and increasing the run-time and the possibility of local optimal due to the long string of chromosome. This encoding method avoids all these problem successfully, and tail off the decoding step in GA; Adopts tournament selection, mathematical crossover, non-linear mutation. All of programs compiled with Tc2.O. The programs are made up of main model such as selection, crossover, mutation and generation and so on and supplementary model such as input, output, encoding and fitness calculating and so on.
Through sample analysis, this paper takes parameter optimization of improved GA, and selected reasonable parameters such as: popsize, maxgen, Pr, Pr, Pm, non-linear mutation parameter. The results shows that the dynamic force performance of loader-dozer is up by 9% under the premises of filling the specification such as maximum discharge height, minimum shovel depth, discharge distance, translation characteristic, unloading characteristic, auto laying characteristic and so on. The optimization time is shorten greatly, perform efficiency of improved GA is 3 times of the penalty.
Improved GA successfully solved the problem of difficult-solution due to the nonlinear, multibounding, high dimensional of objective function in working equipment optimization of loader-dozer, increased the efficiency and level of engineering design, and shorten the periodic of design, decreased the capital.
引文
1．孙桓编著，机械原理，机械工业出版社，1994
2．王群等，轮式装载机总体方案设计专家系统，工程机械，1991(3)
3．郑永强，工程机械结构现代强度设计方法研究，工程机械，1995(10)
4．胡铁华，马成林等，地下铲运机六杆工作机构优化设计研究，农业机械学报，1998，29，(3)
5．迟永滨，郭芬芬，装载机工作装置CAD及其方法研究，工程机械，1997，(10)
6．刘梅云，铲运机正转六连杆工作机构设计，矿山机械，1989(1)：14-16
7．方昀等，装载机CAD系统的结构体系和功能特点，
8．王受沆，装载机工作装置的运动特性，工程机械，1989，27：9-14
9．杨成康，张铁柱，装载机工作装置连杆机构优化设计，机械工程学报，1988，24(3)，81-87
10．杨成康，装载机工作装置连杆机构设计的初步分析，工程机械，1979，7
11．杨成康，装载机工作装置连杆机构设计的解析法，工程机械，1980，4
12．杨成康，装载机工作装置连杆机构设计的综合法，吉林工业大学学报，1980，2
13．汤宗和，装载机工作装置连杆机构设计的图解设计法，1987，4
14．陈育仪编著，工程机械优化设计，中国铁道出版社，1987
15．朱云先，起重机起升机构动载特性的分析研究，机械制造，1998，36(9)12-14
16．王建，振动沉拔桩机工作机构的动力学分析以及计算机仿真，建筑机械，1998(1)9-12
17．董军，面向对象的计算机仿真建模，计算机工程与应用，1997，33(3)：39-42
18．马鹏飞，装载机的计算机模拟模型的建立，机械科学与技术，1996，15(4)：526-530
19．池成忠，曲柄肘杆机构的CAD及动态模拟，锻压机械，1997，32(1)：28-29
20．孙有朝，链式推力机构工作过程的计算机仿真，中国机械工程，1998，9(10)：18-20
21．严世榕，竖井提升容器载在提升过程中的动力学分析及计算机仿真，矿山机械，1998，26(9)38-40
22．王春燕，多杆多自由度连杆机构的运行模拟，太原重型机械学院学报，1996，17(3)：196-200
23．中国工程机械年鉴，机械工业出版社，1998
24．工程机械通用类现行常用检查目录，工程机械技术与质量信息，1999，11
25．[日]玄光男，程润伟编著，遗传算法与工程设计，科学出版社，2000
26．徐静雯，李元香，一种改进编码策略在演化函数优化中的应用，计算机工程与应用，2000，36(2)：49-53
27．汪萍，候慕英编著，机械优化设计，中国地质大学出版社，1991
28．福克司，R.L，工程设计的优化方法，北京：科技出版社，1981
29．唐焕文，秦志学编著，实用最优化方法，大连理工大学出版社，1994
30．彭宏等，计算工程优化问题的进划策略，华南理工大学学报，1997，25(12)：17-21
31．彭宏等，解约束优化问题的进化策略与混合进化策略的比较，数值计算与计算机应用，1998，19(1)：35-40
32．钱稀令，工程结构优化设计，北京：水利电力出版社
33．Ifnizio JL，单目标和多目标系统线性规划，闵仲求等译，上海：同济大学出版社，1986
34．陈宝林，最优化理论与算法，清华大学出版社，1989
35．现代应用数学手册，运筹学与最优化理论卷，清华大学出版社，1998
36．陈国良等编著，遗传算法及应用，人民邮电出版社出版，1996
37．刘勇等编著，非数值并行算法(第二册)——遗传算法，科学出版社，1997
38．云庆夏，黄光球等编著，遗传算法与遗传规划——一种搜索寻优技术，冶金工业出版社出版，1997
39．王德人，非线性方程组解法与最优化方法，北京：人民教育出版
40．赵瑞安，吴方，非线性最优化理论与方法，北京：高等教育出版社
41．焦李成，保铮，进化计算与遗传算法：计算智能的新方向，系统工程与电子技术，1995，17(6)：20-23
42．丁承民，刘传生，刘辉，遗传算法纵横谈，信息与控制，1997，26(1)：40-45
43．孟庆春，贾培发，关于Genetic算法的应用研究与改进，清华大学学报(自然科学版)，1995，35(5)：44-48
44．金菊良，杨晓华，遗传算法的应用与改进，河海大学学报1998，26(2)：75-79
45．廖晓明，罗四维，遗传算法用于TSP问题的研究，北方交通大学学报，1995，11(2)：83-88
46．曹鲁寅，钦明浩等，用遗传算法求解最短路径问题，合肥工业大学学报，1996，19(3)：112-116
47．王冶平，遗传算法求解有向中国邮路问题，哈尔宾工业大学学报，1998，19(2)：62-66
48．陈根社，文传源，遗传算法及其在系统仿真中的应用，系统工程与电子技术，1995，17(8)：64-70
49．丁承民，张传生，刘贵忠，正交实验遗传算法及其在函数优化忠的应用，系统工程与电子技术，1997，26(10)57-60，80
50．王录民，王有安，珩架的正交基因优化设计，工程力学，1996，(增刊)，700-705
51．高峰等，离散结构的遗传形状优化设计，计算力学学报，1998，15(4)：485-488
52．罗英等，基于遗传算法的珩架结构整体优化设计，西北工业大学学报，1999，27(增刊)：120-124
53．毛学文，遗传算法及其在水文模型中的应用，水文，1993，(5)：22-26
54．张际先等编著，神经网络及其在优化设计中的应用，北京：机械工业出版社，1996
55．李孝安，张晓贵等编著，神经网络与神经计算机导论，西安：西北工业大学出版社，1995
56．段长贵等，遗传算法在煤气管径优化设计中的应用研究，煤气与热力，1999，(2)，1-6
57．孙艳丰，王众托，遗传算法在优化问题众的研究进展，控制与决策，1996，11卷4期
58．方建安，邵世煌，采用GA的神经网络控制器，控制与决策，1993，8(3)：208-212
59．李孝安，张晓贵，基于GA的PID控制器参数寻优方法及应用，中国自动化学会第十届青年学术年会论文集，1994：304-307
60．辛非，遗传算法及其应用研究，航天总公司二院706所硕士论文，1996
61．罗志军，基于遗传算法的雷达天线罩优化设计，计算力学学报，1997，14(3)
62．李兵，朱海林等，基于遗传算法的发动机气门弹簧的优化设计，机械设计，1998，9
63．[法国]，C.Berge编著，组合学原理，上海科学技术出版社，1986
64．陈朝光，唐余勇等编著，微分几何及其在机械工程中的应用，哈尔宾工业大学出版社，1998
65．哈尔宾工业大学理论力学教研室编著，理论力学(下册)，高等教育出版社，1987
66．梁兆兰，机械优化设计补充教材，西北农业大学出版社，1991
67．张鄂，黄锐明，马作孝，解平面四杆机构约束优化问题的改进遗传算法，西安交通大学学报，1999，33(7)，99-101
68．彭昭旺，杨洪柏，实值编码遗传算法的行星齿轮传动优化，上海交通大学学报，1999，33(7)，99-101
69．恽为民，遗传算法的全局收敛性和计算效率的分析，控制理论与应用，1996，13(4)：455-460
70．恽为民，遗传算法的运行机理分析，控制理论与应用，1996，13(3)：289-197
71. Bagley J D, The Behavior of Adaptive System Which Employ Genetic Algorithm and Correlation Algorithm, Doctoral Dissertation, University of Michigan, 1987.
72. Ben youn R J, etc, Linear programming with multiple objective functions: STPF method. Math. Programming, 1975,1(3)
73. Benson R W, Schmitendorf WE, Simulation Stabilization Using Genetic Algorithm,AIAAGNC conf, 1991.
74. Brawn H, On Solving Traveling Salesmen Problems by Genetic Algorithm, Foundations of Genetic Algorithm, Morgan Kanfmanm, 1991.
75. Brindlea, Genetic Algorithm for Function Optimization, Doctoral Dissertation, University of Alberta, 1981.
76． Das R, Whitey D, The Only Challenging Problems Are Deceptive: Global Search By Soloing Order-1 Hyper planes. Proc of ICGA, 1991:166-173．
77． David B, Fogel, An Introduction To Genetic Algorithm Optimization, IEEE Trams, Neural Networks, 1994(5) .
78． Davis L, Handbook of Genetic Algorithms, New York: Van Nowstrand Reinhold, 1991．
79． De Jong, K.A, Learning with Genetic Algorithm :An Overview, Machine learning, 288(3) 121-139．
80． Fleming F. J, Genetic Algorithm in Control Systems Engineering, 1994．
81． Fogel DB, An introduction to simulated evolutionary optimization [J].IEEE Trans on Neural Network,1994,5(1) ,3-14
82． Fogel DB, Applying Genetic Algorithm to Selected Traveling Salesman Problem, Cybernetics and Systems, 1993,24．
83． Gill P E,Murray W, Numerical methods for constrained optimization, 1974
84． Goldberg D E& smith RE, Nonstationary Function Using Genetic Algorithm With Dominance and Diploidic, Genetic Algorithm and Their Application.
85． Goldberg DE, Genetic Algorithm in Search Optimization and Machine Learning, Addison Wesley, 1989．
86． Goldberg DE, Option Initial population size for binary-coded Genetic Algorithm, the Clearinghouse for Genetic Algorithm, University of Albania,1985．
87． HarPS,Etal, Towards the Genetic Synthesis of Neural Networks,ICGA,1998:360-369．
88． Hofmister R, Back T, Genetic Algorithm and evolution strategies: similarities and differences, PPSN 545．
89． Holland J.H, Adaptation in Nature and Artificial Systems, the University of Michigan Press,1975． MET Press, 1992．
90． Holsteins R B, Artificial Genetic Adaptation in Computer Control System, Doctoral Dissertation, University of Michigan, 1991．
91． Inki Hong, Kahug AB, Moon BR, Exploiting Synergies of Multiple Crossover, Initial Study,ICEC'95,1995,1．
92． Jomikow CZ, michalewicz Z, An Experimental Comparison Of Binary And Floating Point Representations in Genetic Algorithm, Proc of ICGA, 1991:31-36．
93． K.Araya, M.kudoh, etc. Improvement of Planosol Solum: Part I: Experiment Methods and Preliminary Soil Bin xperiments With Ploughs. Eng Res,1996,63(3) :251-259．
94． Michalewics Z.Genetic algorithm+data structures=evolution programs[M].and, Berlin,SpringeVerlag
95． Miller G, etal, Designing Neural Networks Using Genetic Algorithm, ICGA,1989．
96． Muhlenbein H,Schomisch M,born J. The Parallel Genetic Algorithm Function Optimization. Parallel Computing, 1991,17:619-631
97． Petley C B, Leutze M R, A parallel Genetic Algorithm, proc of the second ICGA, 1987,155-161．
98． Rawlins G(ED), Foundations of Genetic Algorithm, Morgan Kanfmann, 1991．
99． Rosenberg, Simulation of Genetic Algorithm With Biochemical Properties, Doctoral Dissertation, University of Alberta, 1991．
100． Spears Williams M, Vic Anand, A Study of Crossover Orator In Genetic Algorithm, ADA29071,1995．
101． Stender J(ED),Parallel Genetic Algorithm: Theory and Application.
102． Tanese R, Parallel Genetic Algorithm For A Hypercubu, Proc of the Second ICGA,1987,177-183．
103． Thomas back, Selective Pressure in Evolutionary Algorithm: A Characterization of Selection Mechanisms, ICEC, 1994, 1．
2．王群等，轮式装载机总体方案设计专家系统，工程机械，1991(3)
3．郑永强，工程机械结构现代强度设计方法研究，工程机械，1995(10)
4．胡铁华，马成林等，地下铲运机六杆工作机构优化设计研究，农业机械学报，1998，29，(3)
5．迟永滨，郭芬芬，装载机工作装置CAD及其方法研究，工程机械，1997，(10)
6．刘梅云，铲运机正转六连杆工作机构设计，矿山机械，1989(1)：14-16
7．方昀等，装载机CAD系统的结构体系和功能特点，
8．王受沆，装载机工作装置的运动特性，工程机械，1989，27：9-14
9．杨成康，张铁柱，装载机工作装置连杆机构优化设计，机械工程学报，1988，24(3)，81-87
10．杨成康，装载机工作装置连杆机构设计的初步分析，工程机械，1979，7
11．杨成康，装载机工作装置连杆机构设计的解析法，工程机械，1980，4
12．杨成康，装载机工作装置连杆机构设计的综合法，吉林工业大学学报，1980，2
13．汤宗和，装载机工作装置连杆机构设计的图解设计法，1987，4
14．陈育仪编著，工程机械优化设计，中国铁道出版社，1987
15．朱云先，起重机起升机构动载特性的分析研究，机械制造，1998，36(9)12-14
16．王建，振动沉拔桩机工作机构的动力学分析以及计算机仿真，建筑机械，1998(1)9-12
17．董军，面向对象的计算机仿真建模，计算机工程与应用，1997，33(3)：39-42
18．马鹏飞，装载机的计算机模拟模型的建立，机械科学与技术，1996，15(4)：526-530
19．池成忠，曲柄肘杆机构的CAD及动态模拟，锻压机械，1997，32(1)：28-29
20．孙有朝，链式推力机构工作过程的计算机仿真，中国机械工程，1998，9(10)：18-20
21．严世榕，竖井提升容器载在提升过程中的动力学分析及计算机仿真，矿山机械，1998，26(9)38-40
22．王春燕，多杆多自由度连杆机构的运行模拟，太原重型机械学院学报，1996，17(3)：196-200
23．中国工程机械年鉴，机械工业出版社，1998
24．工程机械通用类现行常用检查目录，工程机械技术与质量信息，1999，11
25．[日]玄光男，程润伟编著，遗传算法与工程设计，科学出版社，2000
26．徐静雯，李元香，一种改进编码策略在演化函数优化中的应用，计算机工程与应用，2000，36(2)：49-53
27．汪萍，候慕英编著，机械优化设计，中国地质大学出版社，1991
28．福克司，R.L，工程设计的优化方法，北京：科技出版社，1981
29．唐焕文，秦志学编著，实用最优化方法，大连理工大学出版社，1994
30．彭宏等，计算工程优化问题的进划策略，华南理工大学学报，1997，25(12)：17-21
31．彭宏等，解约束优化问题的进化策略与混合进化策略的比较，数值计算与计算机应用，1998，19(1)：35-40
32．钱稀令，工程结构优化设计，北京：水利电力出版社
33．Ifnizio JL，单目标和多目标系统线性规划，闵仲求等译，上海：同济大学出版社，1986
34．陈宝林，最优化理论与算法，清华大学出版社，1989
35．现代应用数学手册，运筹学与最优化理论卷，清华大学出版社，1998
36．陈国良等编著，遗传算法及应用，人民邮电出版社出版，1996
37．刘勇等编著，非数值并行算法(第二册)——遗传算法，科学出版社，1997
38．云庆夏，黄光球等编著，遗传算法与遗传规划——一种搜索寻优技术，冶金工业出版社出版，1997
39．王德人，非线性方程组解法与最优化方法，北京：人民教育出版
40．赵瑞安，吴方，非线性最优化理论与方法，北京：高等教育出版社
41．焦李成，保铮，进化计算与遗传算法：计算智能的新方向，系统工程与电子技术，1995，17(6)：20-23
42．丁承民，刘传生，刘辉，遗传算法纵横谈，信息与控制，1997，26(1)：40-45
43．孟庆春，贾培发，关于Genetic算法的应用研究与改进，清华大学学报(自然科学版)，1995，35(5)：44-48
44．金菊良，杨晓华，遗传算法的应用与改进，河海大学学报1998，26(2)：75-79
45．廖晓明，罗四维，遗传算法用于TSP问题的研究，北方交通大学学报，1995，11(2)：83-88
46．曹鲁寅，钦明浩等，用遗传算法求解最短路径问题，合肥工业大学学报，1996，19(3)：112-116
47．王冶平，遗传算法求解有向中国邮路问题，哈尔宾工业大学学报，1998，19(2)：62-66
48．陈根社，文传源，遗传算法及其在系统仿真中的应用，系统工程与电子技术，1995，17(8)：64-70
49．丁承民，张传生，刘贵忠，正交实验遗传算法及其在函数优化忠的应用，系统工程与电子技术，1997，26(10)57-60，80
50．王录民，王有安，珩架的正交基因优化设计，工程力学，1996，(增刊)，700-705
51．高峰等，离散结构的遗传形状优化设计，计算力学学报，1998，15(4)：485-488
52．罗英等，基于遗传算法的珩架结构整体优化设计，西北工业大学学报，1999，27(增刊)：120-124
53．毛学文，遗传算法及其在水文模型中的应用，水文，1993，(5)：22-26
54．张际先等编著，神经网络及其在优化设计中的应用，北京：机械工业出版社，1996
55．李孝安，张晓贵等编著，神经网络与神经计算机导论，西安：西北工业大学出版社，1995
56．段长贵等，遗传算法在煤气管径优化设计中的应用研究，煤气与热力，1999，(2)，1-6
57．孙艳丰，王众托，遗传算法在优化问题众的研究进展，控制与决策，1996，11卷4期
58．方建安，邵世煌，采用GA的神经网络控制器，控制与决策，1993，8(3)：208-212
59．李孝安，张晓贵，基于GA的PID控制器参数寻优方法及应用，中国自动化学会第十届青年学术年会论文集，1994：304-307
60．辛非，遗传算法及其应用研究，航天总公司二院706所硕士论文，1996
61．罗志军，基于遗传算法的雷达天线罩优化设计，计算力学学报，1997，14(3)
62．李兵，朱海林等，基于遗传算法的发动机气门弹簧的优化设计，机械设计，1998，9
63．[法国]，C.Berge编著，组合学原理，上海科学技术出版社，1986
64．陈朝光，唐余勇等编著，微分几何及其在机械工程中的应用，哈尔宾工业大学出版社，1998
65．哈尔宾工业大学理论力学教研室编著，理论力学(下册)，高等教育出版社，1987
66．梁兆兰，机械优化设计补充教材，西北农业大学出版社，1991
67．张鄂，黄锐明，马作孝，解平面四杆机构约束优化问题的改进遗传算法，西安交通大学学报，1999，33(7)，99-101
68．彭昭旺，杨洪柏，实值编码遗传算法的行星齿轮传动优化，上海交通大学学报，1999，33(7)，99-101
69．恽为民，遗传算法的全局收敛性和计算效率的分析，控制理论与应用，1996，13(4)：455-460
70．恽为民，遗传算法的运行机理分析，控制理论与应用，1996，13(3)：289-197
71. Bagley J D, The Behavior of Adaptive System Which Employ Genetic Algorithm and Correlation Algorithm, Doctoral Dissertation, University of Michigan, 1987.
72. Ben youn R J, etc, Linear programming with multiple objective functions: STPF method. Math. Programming, 1975,1(3)
73. Benson R W, Schmitendorf WE, Simulation Stabilization Using Genetic Algorithm,AIAAGNC conf, 1991.
74. Brawn H, On Solving Traveling Salesmen Problems by Genetic Algorithm, Foundations of Genetic Algorithm, Morgan Kanfmanm, 1991.
75. Brindlea, Genetic Algorithm for Function Optimization, Doctoral Dissertation, University of Alberta, 1981.
76． Das R, Whitey D, The Only Challenging Problems Are Deceptive: Global Search By Soloing Order-1 Hyper planes. Proc of ICGA, 1991:166-173．
77． David B, Fogel, An Introduction To Genetic Algorithm Optimization, IEEE Trams, Neural Networks, 1994(5) .
78． Davis L, Handbook of Genetic Algorithms, New York: Van Nowstrand Reinhold, 1991．
79． De Jong, K.A, Learning with Genetic Algorithm :An Overview, Machine learning, 288(3) 121-139．
80． Fleming F. J, Genetic Algorithm in Control Systems Engineering, 1994．
81． Fogel DB, An introduction to simulated evolutionary optimization [J].IEEE Trans on Neural Network,1994,5(1) ,3-14
82． Fogel DB, Applying Genetic Algorithm to Selected Traveling Salesman Problem, Cybernetics and Systems, 1993,24．
83． Gill P E,Murray W, Numerical methods for constrained optimization, 1974
84． Goldberg D E& smith RE, Nonstationary Function Using Genetic Algorithm With Dominance and Diploidic, Genetic Algorithm and Their Application.
85． Goldberg DE, Genetic Algorithm in Search Optimization and Machine Learning, Addison Wesley, 1989．
86． Goldberg DE, Option Initial population size for binary-coded Genetic Algorithm, the Clearinghouse for Genetic Algorithm, University of Albania,1985．
87． HarPS,Etal, Towards the Genetic Synthesis of Neural Networks,ICGA,1998:360-369．
88． Hofmister R, Back T, Genetic Algorithm and evolution strategies: similarities and differences, PPSN 545．
89． Holland J.H, Adaptation in Nature and Artificial Systems, the University of Michigan Press,1975． MET Press, 1992．
90． Holsteins R B, Artificial Genetic Adaptation in Computer Control System, Doctoral Dissertation, University of Michigan, 1991．
91． Inki Hong, Kahug AB, Moon BR, Exploiting Synergies of Multiple Crossover, Initial Study,ICEC'95,1995,1．
92． Jomikow CZ, michalewicz Z, An Experimental Comparison Of Binary And Floating Point Representations in Genetic Algorithm, Proc of ICGA, 1991:31-36．
93． K.Araya, M.kudoh, etc. Improvement of Planosol Solum: Part I: Experiment Methods and Preliminary Soil Bin xperiments With Ploughs. Eng Res,1996,63(3) :251-259．
94． Michalewics Z.Genetic algorithm+data structures=evolution programs[M].and, Berlin,SpringeVerlag
95． Miller G, etal, Designing Neural Networks Using Genetic Algorithm, ICGA,1989．
96． Muhlenbein H,Schomisch M,born J. The Parallel Genetic Algorithm Function Optimization. Parallel Computing, 1991,17:619-631
97． Petley C B, Leutze M R, A parallel Genetic Algorithm, proc of the second ICGA, 1987,155-161．
98． Rawlins G(ED), Foundations of Genetic Algorithm, Morgan Kanfmann, 1991．
99． Rosenberg, Simulation of Genetic Algorithm With Biochemical Properties, Doctoral Dissertation, University of Alberta, 1991．
100． Spears Williams M, Vic Anand, A Study of Crossover Orator In Genetic Algorithm, ADA29071,1995．
101． Stender J(ED),Parallel Genetic Algorithm: Theory and Application.
102． Tanese R, Parallel Genetic Algorithm For A Hypercubu, Proc of the Second ICGA,1987,177-183．
103． Thomas back, Selective Pressure in Evolutionary Algorithm: A Characterization of Selection Mechanisms, ICEC, 1994, 1．