鍾添東臺灣大學：機械工程學研究所彭建國Peng, Jian-GouJian-GouPeng2007-11-282018-06-282007-11-282018-06-282006http://ntur.lib.ntu.edu.tw//handle/246246/61232本文研究結構最佳化遺傳演算之多項式近似法。首先本文使用遺傳演算法求解結構最佳化問題，然後以二階多項式建立適應值函數的近似模型，近似模型用作計算近似的適應值，以代替原始的適應值。於最佳化過程中，本文發展一個世代演化控制方法。在此演化控制下，族群個體的適應值只有在某幾個特定世代中計算正確解，皆下來數個世代的個體適應值則由近似模型估計。當計算完近似適應值後，部分個體可能會被近似模型高估，而個體演化控制可應用來重新計算這些個體的正確適應值，預防高估的個體被當成該世代的最佳個體。最後，發展一套整合有限元素分析軟體ANSYS、多項式近似模型、演化控制、以及遺傳演算法的程式。利用此整合程式對一些函數以及結構最佳化範例進行測試。由結果可知，本文提出的近似方法對大部分的範例皆能以較少的函數計算次數得到不錯的收斂解。This thesis studies the polynomial approximation method for structural optimization using genetic algorithms. Firstly, genetic algorithm is used to solve the structural optimization problem. Then a second-order polynomial function is used to build the approximate model of the fitness function. This approximate model is used in evaluating approximate fitness values, instead of the original fitness values. In the optimization process, a generation-based evolution control method is developed. Under the controlled evolution, fitnesses of population individuals are evaluated exactly only for some specific generations. In the following some generations, individual fitnesses are estimated by the approximate model. When the approximate fittnesses are evaluated, some individuals might be overestimated by the approximate model, and an individual-based evolution control is applied to reevaluate exact fitnesses of these individuals. It prevents the overestimated individual to be regarded as the best individual within the generation. Finally, an integrated program combining finite element analysis software ANSYS, polynomial approximate model, evolution control, and genetic algorithm is developed. Several functional and structural optimization examples are test by this integrated program. From the results, it shows that the approximation method proposed by this thesis is able to achieve the same quality of convergent solution with fewer numbers of function evaluations.中文摘要 i 英文摘要 ii 目錄 iii 圖目錄 v 表目錄 vii 符號說明 viii 第一章 緒論 1 1-1簡介 1 1-2文獻回顧 2 1-3研究動機與目的 6 1-4研究方法 7 1-5論文大綱介紹 7 第二章 遺傳演算法於結構最佳化設計 9 2-1機械結構最佳化設計理論 9 2-1-1設計變數處理 9 2-1-2目標函數處理 10 2-1-3限制條件處理 11 2-2遺傳演算法概論 11 2-2-1遺傳演算法基本架構 12 2-2-2遺傳演算法理論 17 2-3遺傳演算法對於具限制條件之問題的處理方式 19 2-3-1懲罰函數法的基本理論 20 2-3-2可適性懲罰函數法 21 2-4適應值近似法於遺傳演算 24 2-4-1適應值近似法之實現方式 24 第三章 遺傳演算之多項式似於法 29 3-1二階多項式模型 29 3-1-1建立二階多項式模型的方法 29 3-1-2多項式模型的適當性評估 31 3-2遺傳演算之多項式近似法 32 3-2-1建立局部之二階多項式模型 33 3-2-2演化控制 33 3-3結構最佳化整合程式 37 第四章 函數最佳化與簡單結構最佳化 41 4-1函數最佳化問題一 41 4-2函數最佳化問題二 43 4-3函數最佳化問題三 45 4-4三桿結構最佳化設計 47 4-5十桿結構最佳化設計 48 4-6二十五桿結構最佳化設計 50 4-7結果討論 53 第五章 實際結構之最佳化設計 55 5-1燃料電池結構最佳化設計 55 5-2汽車福祉椅升降機構之最佳化設計 61 第六章 結論與建議 65 6-1結論 65 6-2建議 65 參考文獻 67 附錄A：GALib常用函數的使用方法 73 附錄B：整合型最佳化程式的使用方法 75 作者簡歷 812857473 bytesapplication/pdfen-US多項式近似法遺傳演算法結構最佳化演化控制有限元素分析Polynomial approximation methodGenetic algorithmsStructural optimizationEvolution controlFinite element analysisthesishttp://ntur.lib.ntu.edu.tw/bitstream/246246/61232/1/ntu-95-R93522612-1.pdf