公开(公告)号：CN107045569B

公开(公告)日：2020-08-11

申请号：CN201710101534.7

申请日：2017-02-23

Applicant: 哈尔滨工业大学

Inventor： 宋申民 ,  张秀杰 ,  高肖霞 ,  张虎 ,  赵杰

IPC: G06F30/17 ,  G06F30/20

Abstract: 基于聚类多目标分布估计算法的齿轮减速器优化设计方法，本发明涉及基于聚类多目标分布估计算法的齿轮减速器优化设计方法。解决现有的多目标分布估计算法在求解多目标优化问题的过程中存在没有充分利用算法的局部搜索能力，求解过程中直接丢弃异常解，种群多样性容易丢失，过多的计算开销用于构建最优概率模型的问题。本发明首先利用凝聚层次聚类算法将种群划分为若干个局部类，从每一个局部类中随机选择一个个体构成一个全局类，然后为每个个体构建一个高斯模型去逼近种群结构，并抽样产生新个体；此高斯模型的均值为个体本身，协方差矩阵为个体所在局部类的协方差矩阵或者是全局类的协方差矩阵。本发明用于航天领域。

公开(公告)号：CN107045569A

公开(公告)日：2017-08-15

申请号：CN201710101534.7

申请日：2017-02-23

Applicant: 哈尔滨工业大学

Inventor： 宋申民 ,  张秀杰 ,  高肖霞 ,  张虎 ,  赵杰

IPC: G06F17/50

Abstract: 基于聚类多目标分布估计算法的齿轮减速器优化设计方法，本发明涉及基于聚类多目标分布估计算法的齿轮减速器优化设计方法。解决现有的多目标分布估计算法在求解多目标优化问题的过程中存在没有充分利用算法的局部搜索能力，求解过程中直接丢弃异常解，种群多样性容易丢失，过多的计算开销用于构建最优概率模型的问题。本发明首先利用凝聚层次聚类算法将种群划分为若干个局部类，从每一个局部类中随机选择一个个体构成一个全局类，然后为每个个体构建一个高斯模型去逼近种群结构，并抽样产生新个体；此高斯模型的均值为个体本身，协方差矩阵为个体所在局部类的协方差矩阵或者是全局类的协方差矩阵。本发明用于航天领域。