Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/2253
標題: 使用遺傳演算法和模糊理論法的多目標最佳化
Multiobjective optimization using genetic algorithm and fuzzy theory
作者: 王正苡
關鍵字: 多目標最佳化;遺傳演算法;模糊理論法;類神經網路
出版社: 機械工程學系
摘要: 
本文的目的是利用遺傳演算法和模糊理論來求解多目標最佳化問題的Pareto最佳解,遺傳演算法是在選擇過程中使用分歧競爭的方式,分別挑選各個子目標較好的個體,參與演化過程,並使用菁英保留法將每一代產生的Pareto最佳解保留下來;模糊理論法是將所有的目標函數與限制條件轉換成歸屬函數值後,使用交集決策法提昇最小的歸屬函數值,而達到找到Pareto最佳解的目的,並經由變換所有目標函數的歸屬函數,來找到更多的Pareto最佳解。
本文使用數個範例來驗證並討論使用遺傳演算法和模糊理論法產生Pareto最佳解的差異,其中兩個範例包含機構與結構部分,並且其限制條件和目標函數為隱函數值,因此必須使用MSC/PATRAN軟體及MSC/NASTRAN軟體處理結構分析的部分,以ADAMS軟體處理機構的分析部分,並且使用類神經網路來近似化函數的輸出輸入關係,以提昇最佳化的效率及解決隱函數的問題。根據實例顯示之結果,遺傳演算法配合近似分析的方法有較好的機會和效率找到許多Pareto最佳解。
URI: http://hdl.handle.net/11455/2253
Appears in Collections:機械工程學系所

Show full item record
 

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.