多目标优化算法_改进遗传算法的汽车悬置系统多目标优化设计

摘要

为解决实际工程优化中汽车悬置系统多目标优化问题，尤其是运用传统遗传算法存在的过早收敛问题，该文提出一种改进遗传算法的多目标优化方法。该方法通过建立悬置系统多目标优化设计的数学模型，确定优化设计的适应度函数、约束条件以及改进算子选择，通过动态控制参数的变化，间接地改变各待选择染色体适应度之间的差值，从而来保持优化过程染色体的多样性，避免了过早收敛问题。通过实例验证，改进的遗传算法明显提高了悬置系统多目标优化设计的效率及可靠性，为实际工程提供了一种可行的优化算法。

为改善汽车的舒适性，提高整车的减振(NVH)水平，在汽车动力总成悬置系统多目标设计的过程中，振动优化设计一般优化悬置位置、刚度等参数，以系统的固有频率和解耦程度为合理设计目标，把惯性参数作为已知参数，又由于解耦优化目标函数和设计参数的多目标复杂性，同时也存在多个局部最优解，从而需要寻找一个合适的算法去搜索到全局最优解。一般的优化算法，如牛顿法、梯度法、遗传算法等容易陷入局部最优解。在遗传算法(GA)算子的改进方面，文献提出利用个体之间的海明距离、文献提出利用不同的交叉策略、文献[4]提出利用动态调节交叉、变异概率的

方法来克服早熟问题，并且加强了局部搜索能力，大大提高了遗传算法的全局寻优能力。因此，文章提出了一种改进选择算子的方法，通过染色体不同的适应度设置调节因子，从而形成动态染色体复制概率，保持染色体的多样性，避免了遗传算法过早收敛的问题，通过算例对比，达到了预期的效果。

01 悬置系统数学模型

一般情况下，都是把动力总成视为刚体，同时把动力总成悬置系统视为具有3个移动自由度和3个转动自由度的空间6自由度振动系统，对应6个模态&