《表2 轻量化设计前、后变量及目标的变化率》
在NSGA-II遗传优化算法中,设置算法种群个数为8,进化15代,交叉概率为0.9,进行120次迭代后获得多目标优化的Pareto解集,如图8所示。图8中三维空间中多个蓝色个体为求解得到的Pareto解集,考虑到实际横向稳定杆的功能和机构配合关系,确定图8中红色个体为最终选择的Pareto最优解。就轻量化设计多目标函数而言,Pareto最优解之间是无法比较优劣的,换句话说,即在改进任何一目标函数时无法避免不削弱至少一个其他目标函数。多目标优化问题的求解就是要依据Pareto最优解寻找尽可能多的代表性的解集合,之后根据分析对象的条件要求和工程案例实际经验,从代表性解集合中客观地选择综合满意度最高的优化结果。横向稳定杆轻量化优化前、后优化变量及目标的变化率如表2所示。
图表编号 | XD0090560600 严禁用于非法目的 |
---|---|
绘制时间 | 2019.09.20 |
作者 | 王建伟、梅烨、周海超 |
绘制单位 | 晋中职业技术学院、江苏大学汽车与交通工程学院、江苏大学汽车与交通工程学院 |
更多格式 | 高清、无水印(增值服务) |