为了寻求更优更高效的现代机械优化设计方法，依据遗传算法的基本理论，提出了一种新型的智能优化方法．分析了遗传算法的基本原理、特点及运行步骤，并运用Matlab软件遗传算法工具箱进行求解，结合蜗轮齿固体积优化机械设计实例对遗传算法和传统优化方法中的序列二次规划法进行对比，得出传统优化后体积是常规设计的75．28％，而采用遗传算法优化后体积仅为常规设计的65．53％．由此可得出遗传算法的优化结果较传统优化算法的优化结果更优，过程更高效的结论．

人工智能-机器学习-接地网参数的计算和优化设计.pdf

人工智能-机器学习-计算智能在机械结构优化设计中的应用.pdf

人工智能-机器学习-计算智能在特种机械总体结构优化设计中的应用研究.pdf

人工智能-机器学习-计算机辅助排料及优化设计.pdf

人工智能-机器学习-桁架片搬运机械手优化设计及计算机仿真.pdf

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合，提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA)．以十杆桁架为例对此算法进行了数值实验，并将实验结果与其他优化方法相比较．算例结果表明，遗传模拟退火算法的寻优概率是100％，平均进化代数为35代，其稳定性和求解效率均高于改进的遗传算法．实验结果显示，遗传模拟退火算法在整体搜索同时，采用退火操作进行局部搜索，提高了算法的局部搜索能力，有效克服了遗传算法迭代缓慢的缺点，把遗传模拟退火算法用于钢桁架离散变量的

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果

蚁群算法的高超声速飞行器气动布局优化设计 蚁群算法的高超声速飞行器气动布局优化设计 蚁群算法的高超声速飞行器气动布局优化设计

在圆形槽波导微波毫米波器件中，常遇到矩形一圆形槽波导的模式变换问题，而矩形一圆波导模式变换是矩形一圆形槽波导模式变换的重要组成部分。本文应用有限元方法，首先由分析N端口波导结问题过渡到两端口的矩形一圆波导模式变换器，然后针对现有模式变换器的圆端口面的电场极化方向倾斜的问题利用加圆波导段的方法进行了优化，并设计了一个新的反射微小，结构紧凑和电场极化方向竖直的矩形一圆波导模式变换器，计算结果满足了设计要求．