论文部分内容阅读
文章针对传统的机械零件多目标优化算法的不足，提出了一种基于改进型BP神经网络和Ns．GA—II遗传算法的机械零件多目标优化设计方法，该方法首先利用Workbench对零件进行分析得到买验数据，然后用改进型BP神经网络对实验数据进行训练并建立起多目标优化的模型，采用NSGA．Ⅱ遗传算法对模型进行多目标优化。结果表明，在满足优化零件使用条件的情况下，运用该方法求得质量的相对误差最大为11％，变形的相对误差最大为3．36％，验证了该方法的有效性和可靠性。并将该方法得出的结果与传统Workbench得出的多目标优