《表2 轻量化设计前、后变量及目标的变化率》

  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

《汽车横向稳定杆轻量化设计方法研究》

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

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。