Прикладная теория оптимизации. Дьячков Ю.А. - 59 стр.

                      ЛАБОРАТОРНАЯ РАБОТА 7
   Генетические алгоритмы. Оптимизация свойств подвески
              самоходного разрыхлителя почвы

Цель работы:
   • формирование и совершенствование практических навыков параметри-
      ческой оптимизации технических решений;
   • совершенствование навыков реализации задач комплексной оптимизации
      на основе эволюционных вычислений;
   • приобретение навыков работы в среде MathCAD.

                                СПРАВКА

      В практике проектирования изделий автомобиле- и тракторостроения од-
ной из проблем является определение способов решения задач высокой размер-
ности при наличии комплекса противоречивых требований к качеству объекта
проектирования. Подобные задачи оптимизации могут быть решены на основе
эволюционного подхода – организации адаптивного случайного поиска инже-
нерного решения. При этом по аналогии с естественными процессами в природе
используются понятия наследственности, изменчивости, борьбы за существова-
ние и отбора. Поиск оптимального решения осуществляется в течение несколь-
ких поколений (эпох), на основе «естественного отбора».
     Популярным инструментом в эволюционном подходе является генетиче-
ский алгоритм (Дж. Голланд, «Адаптация в естественных и искусственных сис-
темах», 1975г.). Это обусловлено определенным изяществом самой идеи, отно-
сительной простотой реализации и, основное, возможностью получения прак-
тически значимого решения в случаях, когда другие алгоритмы требуют суще-
ственных затрат ресурсов на их реализацию.
     Общую последовательность вычислений можно характеризовать следую-
щим образом.
   1. Формируется начальная популяция – исходное множество решений.
   2. Определяется приспособленность особей популяции к условиям сущест-
       вования. В технических приложениях – это величина критерия качества
       для конкретного решения.
   3. Определяется приспособленность популяции. В эволюционном подходе
       популяция – минимальная единица, оцениваемая как вид. В технических
       приложениях приспособленность популяции представляется средним
       значением критерия качества по всем особям – вариантам технических
       решений, входящих в их множество.
   4. Осуществляется выбор родительских особей (все особи-варианты пред-
       ставляются хромосомой – цепочной записью значений свойств, опреде-
       ляющих описание технического решения).
   5. Осуществляется скрещивание (кроссинговер) родительских особей - об-
       мен частями описаний между вариантами технических решений.
   6. В варианты-потомки вносятся деструктивные изменения-мутации как
       следствие воздействия окружения. На практике данный прием обеспечи-
       вает появление большего разнообразия в комбинациях свойств вариан-
       тов решения.
   7. Оценивается приспособленность полученных таким образом вариантов-
       потомков. Лучшие варианты заменяют собой менее приспособленные – с
       «худшим» критерия качества.
   8. Фиксируется факт окончания «прожитой» эпохи. Осуществляется пере-
       ход в новую эпоху – к началу новой итерации в расчетах вариантов тех-
       нических решений (переход к п.2 алгоритма).