《表4 Ra、MRR多目标优化最优参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于RSM-PSO的往复走丝线切割参数多目标优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

使用Python语言实现粒子群算法，种群规模50，进化代数100，分别对Ra、MRR进行单目标优化和多目标优化（图7）。由Ra、MRR的单目标优化结果（图7a）可知，得益于PSO算法较强的全局搜索能力，在开始迭代不久，Ra迅速收敛至约束条件下的最小值1.388956μm，MRR也快速稳定在约束条件下的最大值107.16896 mm2/min。由Ra、MRR的多目标优化结果（图7b）可知，50个粒子最后的位置组成了多目标优化问题中的Pareto最优解集，是可接受的。从多目标优化结果的趋势来看，在约束条件范围内，随着MRR的增大，Ra也增大且增大得越来越快。在此，本文选取多目标优化Pareto曲线上的一点（104.126774，1.449219）作为最优结果，其对应的具体参数见表4。