跳到主要內容

臺灣博碩士論文加值系統

(3.229.142.104) 您好!臺灣時間:2021/07/28 13:16
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:呂映皚
研究生(外文):Lu Ying Ai
論文名稱:基因演算法於二進制編碼與實數編碼之比較
論文名稱(外文):Comparison of Binary Code and Real Code in the Genetic Algorithms
指導教授:劉大銘劉大銘引用關係
指導教授(外文):Liu Ta Ming
學位類別:碩士
校院名稱:大葉大學
系所名稱:機械工程研究所碩士班
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2007
畢業學年度:95
語文別:中文
論文頁數:116
中文關鍵詞:基因演算法實數編碼二進制編碼柏拉圖曲線
外文關鍵詞:genetic algorithmsreal codebinary codePareto curve
相關次數:
  • 被引用被引用:5
  • 點閱點閱:800
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
隨著電腦科技的進步及運算的快速,基因演算法在工程上的應用日漸增加。基因演算法是一種基於自然遺傳學和天擇的技術,其優點是全域多點搜尋最佳解、是一種無導數的最佳化運算方法。
本文中探討基因演算法在機械工程問題方面之應用,採用快速的非支配解菁華策略、且經由競爭式選擇中使用擁擠對照機制來找出其差異性。首先實例探討單目標與多目標基因演算法,多目標問題以柏拉圖曲線表示,其次,實例探討實數編碼與二進制編碼的處理效率。以文中的題目而言,探討結果發現實數所得到之柏拉圖曲線會比二進制來得均勻完整,實數運算時間也比二進制編碼更有效率。
With the progress of computer technology and rapid computation, the application of genetic algorithms(GA) in engineering has been increasing. GA is based on natural selection and survive. Its advantage are globally optimal search, simple operation and no derivative.
This paper concerns mainly on solving mechanical engineering problems by using GA which adopts fast non-dominated sorting, elitist operator, diversity with crowded method in the tournament selection. First, illustrated exploration of single objective and multiobjective problems. The optimal solution of multiobjective problems is represented by Pareto curve. Next, illustrated exploration of computation efficiency between binary code and real code. Results for the problems discussed in this paper show that the uniformity of Pareto curve of real code is better than that of binary code, also that computation efficiency of real code is faster than that of binary code.
封面內頁
簽名頁
授權書
中文摘要
英文摘要
誌謝
目錄
圖目錄
表目錄
附錄

第一章 緒論
1.1 研究背景與動機
1.2 本文目標
第二章 文獻回顧
2.1 傳統最佳化方法
2.1.1 常用的一維搜尋最佳化方法
2.1.2 無限制問題的最佳化方法
2.1.3限制問題的最佳化方法
2.2 近代最佳化方法
第三章 基因演算法
3.1 為何使用基因演算法
3.2 基因演算法中的參數變量
3.3 演化流程與機制架構
3.3.1 初始化(Initial)
3.3.2 基因編碼(Gene Encoding
3.3.3 適應值評估(fitness value evaluation)
3.3.4 判斷結束條件
3.3.5 複製(Reproduction)
3.3.6 交配(Crossover)
3.3.7 突變(Mutation)
3.3.8 族群的取代
3.3.9 搜尋終止條件
3.4 基因編碼方式整理
3.4.1 二進位編碼(binary code)
3.4.2 實數型編碼(real code)
3.4.3 實數編碼與二進制編碼染色體比較
3.5複製機制理
3.5.1 輪盤式選擇(Roulette Wheel Selection
3.5.2 競爭式選擇法(Tournament Selection)
3.6 交配機制總整理
3.6.1 二進制交配方式
3.6.2 實數編碼交配方式
3.7 以例子描述演算過程
3.8 基因演算法與傳統方法之比較
3.9 實數編碼與二進制編碼之差異性
第四章 多目標最佳化
4.1 多目標最佳化觀念
4.1.1 多目標最佳化問題
4.1.2 多目標問題的定義
4.1.3 柏拉圖理想解
4.1.4 舉例說明來找出柏拉圖解集合
4.2 多目標基因演算法
4.2.1 採基因搜尋的特色
4.2.2 適應函數的給定策略
4.2.3 多種形式的最佳化以及變異度的保存
4.2.4 多目標基因演算法中柏拉圖解出處理方式
4.3 常用的多目標基因演算法
4.3.1 多目標基因演算法之發展
4.4 多目標基因演算法的種類
4.4.1 VEGA
4.4.2 SPEA
4.4.3 DWGA
4.4.4 NSGA
4.4.5 NSGA-II
第五章 實例探討
5.1 實例演練一: 應用單目標基因演算法於傳動裝置公差設計
5.2 實例演練二: 應用單目標基因演算法於懸臂樑設計
5.3 實例演練三: 多目標基因演算法於樑之焊接設計
5.4 實例演練四: 多目標基因演算法於非等截面懸臂樑之設計
第六章 結語與建議
6.1 研究結語
6.2 研究建議
參考文獻
附錄

圖目錄

圖2.1 黃金分割示意圖
圖2.2 黃金分割法原理
圖2.3 二次插值法原理
圖2.4 格點法的內等分計算圖
圖2.5 方塊圖
圖2.6 方塊圖
圖3.1 基因演算法染色體演化流程
圖3.2 基因演算法之操作機
圖3.3 染色體之編碼
圖3.4 突變機制示意圖
圖3.5 染色體比較圖
圖3.6 輪盤法示意圖
圖3.7 單點交配示意
圖3.8 雙點交配示意圖
圖3.9 字罩交配示意圖
圖3.10 交配機制邏輯示意圖
圖3.11 交配點為1的單點交配
圖3.12 突變後所的到的亂數與位元
圖3.13 基於梯度法的搜尋方式
圖3.14 基於基因演算法的搜尋方式
圖4.1 不考慮衝突而單獨優化結果
圖4.2 柏拉圖示意圖
圖4.3 柏拉圖解分布
圖4.4 可行區域與有效解分佈圖
圖4.5 目標空間中可行區域與非支配解
圖4.6 保留非支配解之演算法過程
圖4.7 未採用保存機制之演算法過程
圖4.8 固定權重的單一方向搜尋
圖4.9 隨機權重的多方向搜
圖4.10 NSGA-II非支配解排序
圖4.11 NSGA-II流程圖
圖5.1 傳動裝置組合圖
圖5.2 二進制編碼代數與目標值之關係圖
圖5.3 實數編碼代數與目標值之關係圖
圖5.4 單目標懸臂樑最佳化
圖5.5 二進制編碼受力-圓斷面形狀關係圖
圖5.6 實數編碼受力-圓斷面形狀關係圖
圖5.7 二進制編碼圓斷面直徑-最小樑重關係
圖5.8 實數編碼圓斷面直徑-最小樑重關係
圖5.9 樑之焊接設計
圖5.10 焊接最佳化柏拉圖曲線圖(二進位NSGA-II)
圖5.11 焊接最佳化柏拉圖曲線圖(實數NSGA-II)
圖5.12 多目標基因演算法於非等截面懸臂樑之設計
圖5.13 二進制編碼柏拉圖曲線圖
圖5.14 二進制編碼柏拉圖曲線圖
圖5.15 二進制編碼柏拉圖曲線圖
圖5.16 二進制編碼柏拉圖曲線圖
圖5.17 實數編碼柏拉圖曲線圖
圖5.18 柏拉圖解示意圖
圖5.19 決策點圖


表目錄

表3.1 輪盤法機率表
表5.1 數據比較(單位:$)
表5.2 實數編碼與二進制編碼比較
表5.3 基因參數設計
表5.4 基因演算法參數設定
表5.5 解之比較
表5.6 A點柏拉圖解比照表
表5.7 B點柏拉圖解比照表
表5.8靠近6左邊決策點比較表
表5.9靠近6右邊決策點比較表

附錄

附表1 二進制編碼最後一代解之階級分布情形
附表2 實數編碼最後一代解之階級分布情形
參考文獻

[1] 陳正斌,“基因演算法在公差分析上的應用”,碩士論文,大葉大學機械工程研究所,2005。
[2] 周鵬程,“遺傳演算法原理與應用-活用Matlab”,全華科技圖書,2004。
[3] 李世炳,鄒忠毅,“簡介導引模擬退火法及其應用”,碩士論文,中央研究院物理研究所 ,2002
[4] 洪國偉,“應用基因演算法與模擬退火法於存貨模式之研究”,義守大學工業工程與管理學系,2000
[5] 羅吉發,“多同型機製造單元形成問題之研究-以模擬退火法求解”,碩士論文,成功大學工業管理研究所,1996。
[6] 林長春,“處理單元形成中例外元素問題之最佳化-以模擬退火法求解”,碩士論文,成功大學工業管理研究所,1996。
[7] 張永正,“應用處罰函數遺傳演算法於發電污染控制之研究”,碩士論文,逢甲大學電機工程研究所,2003。
[8] 張鴻志,“整合人工免疫系統與類神經網路於製程參數最佳化之研究以 IC 半導體封裝之銲線製程為例”,碩士論文,國立雲林科技大學工業工程與管理碩士班,2005。
[9] 陳金聖,方紹宇,呂溢中,“應用基因演算法於運動系統之前績摩擦力補償”,中國機械工程學會第二十二屆全國學術研討會論文集,2005。
[10]周清江,“運用基因演算法於平行機器之工作排程”,碩士論文,淡江大學資訊管理研究所,2002。
[11] 劉惟信,“機械最佳化設計”,全華科技圖書,1996。
[12] 徐業良,“工程最佳化設計”,國立編譯館,1996。
[13] Schaffer J. D. “Multiple objective optimization with vector evaluated genetic algorithms”, Proc. of 1st Inter. Conf. on GAs and Their Applic., pp.93-100, 1985.
[14] Fonseca C. M. and P. J Fleming “Genetic algorithms for multiobjective optimization: formulation, discussion and generalization”, Proc. of the 5th Inter. Conf. on GAs, pp. 416-423, 1993.
[15] Srinivas N. and K. Deb “Multiobjective function optimization using nondominated sorting genetic algorithms”, Evolutionary Computation, vol. 3, pp. 221-248, 1995.
[16] Ishibuchi H. and T. Murata “A multiobjective genetic local search algorithm and its application to flowshop scheduling”, IEEE Trans. on Sys., Man & Cyber., vol. 28, no. 3, pp. 392-403, 1998.
[17] Zitzler E. and L. Thiele “Multiobjective Evolutionary Algorithms: A Comparative Case Study and the Strength Pareto Approach”, IEEE Trans. on Evolutionary Comput., vol.3, no.4, pp.257-271,1999.
[18] Gen M. and R. Cheng “Genetic Algorithms and Engineering Optimization”, New York, 2000.
[19] Deb K., A. Pratap, S. Agarwal and T. Meyarivan: “A Fast and Elitist Multiobjective Genetic Algorithm: NSGA-Ⅱ”, IEEE Trans. on Evolutionary Comput., vol. 6, no. 2, pp.182-197, 2002.
[20] http://www.glue.umd.edu/~azarm/optimum_notes.html
[21] Georges R. H. and G. L. Fernando “A parameter-less genetic
algorithm”, 2000.
[22] Deb K. “An Introduction to Genetic Algorithms”, Kanpur Genetic
Algorithms Laboratory (KanGAL), 1999.
[23] Kelner V. and O. Leonard “Application of genetic algorithms to
lubrication pump stacking design”, Journal of Computational and Applied Mathematics pp255–265, 2004.
[24] Deb K., A. Pratap, and S. Moitra “Mechanical Component Design
for Multiple Objectives Using Elitist Non-Dominated Sorting GA”, Kanpur Genetic Algorithms Laboratory (KanGAL),2002.
[25] Wright A. H. “Genetic Algorithms for Real Parameter
Optimization”, University of Montana , 1991.
[26] Horn J., N. Nicholas,and D. E. Goldberg, “A Niched Pareto
Genetic Algorithm for Multiobjective Optimization”, Proceedings of the First IEEE Conference on Evolutionary Computation,pp82-87,1994.
[27] Deb K. “Self-Adaptation in Real-Parameter Genetic
Algorithmswith Simulated Binary Crossover”, Kanpur Genetic Algorithms Laboratory (KanGAL), 1999.
[29] Deb K. and R. B. Agrawal “Simulated Binary Crossover For
Continuous Search Space”, Kanpur Genetic Algorithms Laboratory (KanGAL), 1995.
[30] Herrera F., M. Lozano and J. L. Verdegay “Tackling Real-Coded Genetic Algorithms: Operators and Tools for Behavioural Analysis”, Artificial Intelligence Review 12, pp265–319, 1998.
[31] The Genetic Algorithms Archive, The Navy Center for Applied Research in Artificial Intelligence (NCARAI), U.S. Naval
Research Lab, http://www.aic.nrl.navy.mil/galist/.
[32] Lin C. Y. and P. Hajela “Design optimization with advanced
genetic search strategies”, Journal of Advances in Engineering Software, Vol 21, Issue 3, pp 179-189, 1994.
[33] Siarry P., A. Petrowaski et al “A multipopulation genetic algorithm aimed at multimodal optimization”, Journal of Advances in Engineering Software, Vol. 33, pp 207-213, 2002.
[34] Lin, C.Y. and Y.J. Yang “Cluster Identification Techniques in Genetic Algorithms for Multimodal Optimization”, Journal of Computer-Aided Civil and Infrastructure Engineering, Vol. 13, no. 1, pp. 53-62, January 1998.
[35] Ji, S., S. Li, Y. Ma and H. Cai “Optimal Tolerance Allocation
Based on Fuzzy Comprehensive Evaluation and Genetic Algorithm”, Int J Adv Manuf Technol 16, pp.461–468, 2001.
[36] http://www.iitk.ac.in/kangal/index.shtml
[37] Gen, M. and R. Cheng “GENETIC ALGORITHMS AMD
ENGINEERING DESIGN”, japan, 1996.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top