液压集成块智能优化算法概述

　　1 引言

　　液压系统的核心零部件— —液压集成块是安装各类液压元件的一种功能模块，具有结构紧凑、体积小、易于实现标准化等优点，但其密集而复杂的空间孔道系统，使得液压集成块的设计相当困难。提高液压系统的工作效率，降低制造成本的关键步骤就是对液压集成块进行优化。因此，如何对液压集成块进行优化设计，以提高液压系统的工作效率以及减低成本，已成为国内外众多研发机构和人员关注的难点和焦点。

　　液压集成块设计的核心问题是其外部布局和内部布孔集成方案的优化设计，是一种复杂的带性能约束的立体空间布局问题，在数学上可以归结为组合最优化问题。根据集成块零部件的结构特征和设计规律，运用现代智能计算方法及其混合优化策略，实现满足性能约束的液压集成块布局布孔集成方案的自动优化设计，能有效提高集成块设计水平、质量及其自动化

　　程度。

　　2 液压集成块智能优化算法

　　智能优化算法是通过模拟或者揭示某些自然现象或过程而发展起来的具有智能特征的算法，包括禁忌搜索、模拟退火、人工神经网络、混沌、进化规则、遗传算法等。其思想和内容涉及生物进化、人工智能、数学和物理科学、神经系统和统计力学等概念，都是以一定的直观基础而构造的算法，被称为启发式算法(Heu—ristic Algorithm)。

　　液压集成块智能优化设计的目的是在保证所有线网百分之百布通的情况下，尽量实现阀块体体积小、工艺孔数目少、线网长度短等目标，以达到在满足连通要求的情况下，进一步节省原材料，减少加工费用和减少能量损耗的目的，同时还必须综合考虑集成块在安装、连通、加工和性能等方面的约束条件。在液压集成块的优化设计中主要应用遗传算发，模拟退火算法以及混合遗传模拟退火算法和小生境遗传退火算法等智能优化方法。尽管这些算法在优化过程的细节上存在差异，但在优化流程上呈现出很大的共性。可以描述为：

　　算法从若干初始解出发，在算法参数控制下由当前状态的邻域中产生出若干个候选解，并以某种策略在当前解和候选解中确定新的当前状态。伴随控制参数的调节，重复执行上述搜索过程，直至满足算法终止准则，结束搜索过程并输出优化结果。

　　2．1 遗传算法(Genetic Algorithm)

　　遗传算法(Genetic Alg0rithm— —GA算法)是J．Holland于1975年受生物进化论的启发，借鉴生物的自然选择和遗传进化机制而开发出的一种全局优化自适应概率搜索算法。GA算法以编码空间代替问题的参数空间，以适应度函数为评价依据，以编码群体为进化基础，以对群体中个体位串的遗传操作实现选择和遗传机制，建立起一个迭代的过程。在这一过程中，通过随机重组编码位串中重要的基因，使新一代的位串集合优于老一代的位串集合，群体的个体不断进化，逐渐接近最优解，最终达到求解问题的目的。GA算法用单一字符串的形式描述所研究的问题，只需利用适应度函数进行优化计算，而不需要函数导数等辅助信息，在解决液压集成块设计的复杂问题中尤为适用。