微型多目標遺傳算法是在微型遺傳算法基礎上提出的一種基于非支配分級的多目標優(yōu)化算法，它采用小規(guī)模種群，具有較高的計算效率。該算法的基本過程是：隨機產(chǎn)生一個初始種群，初始化外部種群；將初始種群中的個體進行非支配分級，有{zh0}非支配分級的個體添加到外部種群，每個個體的適應度有兩部分：{dy}部分是解的非支配分級，第二部分是個體間距值。這樣，首先最小化解的非支配分級，即非支配級級數(shù)越小的個體適應度越高，如果非支配分級相同，那么個體間距值大的適應度就大。目前用于散料輸送的大跨度布料機布料臂架剛度提高，可以減小各節(jié)臂架的撓度差，降低臂架布料桿伸縮時的磨損和鋼絲繩及皮帶的布置難度，延長其使用壽命。同時臂架自重增大，會使臂架與支架及油缸鉸接處的支承力增大，使轉盤主軸承與油缸活塞軸向力增加，影響鉸鏈和轉臺的靈活性，導致“卡死”，甚至引起整機傾覆。鑒于此，著眼于這兩者之間的平衡，提出了一種基于微型多目標遺傳算法的布料臂架主梁結構尺寸多目標優(yōu)化方法。
　　一旦種群收斂，便采用探測算子在非支配解的參數(shù)域進行探測性搜索，然后運用重啟動策略產(chǎn)生新種群，以提高收斂效率。本文以各節(jié)臂架主梁的截面尺寸作為優(yōu)化變量，以提高臂架剛度和輕量化為優(yōu)化目標，利用微型多目標遺傳算法，結合布料機運行的實際工況和參數(shù)化有限元建模技術，建立布料桿臂架的優(yōu)化設計模型。此方法既能{gx}地增強臂架剛度和減輕臂架重量，又能僅通過一次計算就提供多組方案以滿足對布料機的不同性能控制。
  http:///