《表2 GA与神经网络算法数据结果》

  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BP与GA对非标部件结构对比研究》

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

根据建立的转塔卡盘上下料机传动系统优化模型，结合MATLAB优化工具箱里面的遗传工具箱和神经网络工具箱对系统结构分别进行优化设计，最终对比结果进行验证[8]。这是一个多约束非线性问题，其在目标函数m文件中转化编写function y=funn（x）语言并运用MATLAB遗传工具箱在Fitness function选择@fun，设置Number of variables为18，Lower值输入[65，35，15，65，0.2，50，40，17，80，80]，Upper值输入[80，50，35，100，5，80，75，35，120，110]，设置Population size为50，Crossover fraction为0.8，Mutation rate为0.01，Generations为200。在128次迭代之后程序停止。同样运用MATLAB神经网络工具箱在solver里面Start point值为[70，40，25，80，1，60，50，20，100，90]。最终每种算法选取6组数据进行分析，两种优化结果对应值如表2所示。