Please use this identifier to cite or link to this item: http://hdl.handle.net/11455/2253
DC FieldValueLanguage
dc.contributor.advisor陳定宇zh_TW
dc.contributor.author王正苡zh_TW
dc.date2001zh_TW
dc.date.accessioned2014-06-05T11:42:47Z-
dc.date.available2014-06-05T11:42:47Z-
dc.identifier.urihttp://hdl.handle.net/11455/2253-
dc.description.abstract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。zh_TW
dc.description.tableofcontents致謝 中文摘要 i Abstract ii 目錄 iii 圖目錄 v 表目錄 viii 符號說明 ix 第一章 緒論 1 1-1 前言 1 1-2 文獻回顧 3 1-3 研究目的與內容 7 第二章 研究方法與理論推導 9 2-1 多目標最佳化 9 2-2 遺傳演算法 12 2-3 模糊理論 26 2-4 類神經網路 32 第三章 應用軟體和系統架構 44 3-1 ADAMS機構分析軟體 44 3-2 MSC/PATRAN結構分析前後處理軟體 48 3-3 MSC/NASTRAN結構分析軟體 53 3-4 程式執行流程 56 第四章 實例分析與討論 59 4-1 數值例題 59 4-2 挾持機構多目標最佳化[3] 71 4-3 四連桿機構多目標最佳化 78 4-4 無段變速機構 82 參考文獻 95 附錄A 遺傳演算法程式的使用方法 98 附錄B 模糊理論法的程式使用方法 100 附錄C 使用DOT軟體 101zh_TW
dc.language.isoen_USzh_TW
dc.publisher機械工程學系zh_TW
dc.subject多目標最佳化zh_TW
dc.subject遺傳演算法zh_TW
dc.subject模糊理論法zh_TW
dc.subject類神經網路zh_TW
dc.title使用遺傳演算法和模糊理論法的多目標最佳化zh_TW
dc.titleMultiobjective optimization using genetic algorithm and fuzzy theoryen_US
dc.typeThesis and Dissertationzh_TW
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
item.openairetypeThesis and Dissertation-
item.cerifentitytypePublications-
item.fulltextno fulltext-
item.languageiso639-1en_US-
item.grantfulltextnone-
Appears in Collections:機械工程學系所
Show simple item record
 
TAIR Related Article

Google ScholarTM

Check


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