基于自適應遺傳算法的機床切削用量能耗優化方法
【專利摘要】本發明公開了一種基于自適應遺傳算法的機床切削用量能耗優化方法，包括以下步驟：1）確定模型優化變量步驟；2）確定優化目標函數步驟;3)確定模型中約束條件步驟；4）使用自適應遺傳算法來確定切削用量。本發明的優點是：本發明由于采用了自適應的遺傳算法方案，所以在切削量選取方面更加的合理，有效的提高了機床的利用效率，減少了能源消耗。
【專利說明】
基于自適應遺傳算法的機床切削用量能耗優化方法
技術領域
[0001] 本發明提供一種機床切削量能耗優化的方法，涉及離散制造系統加工參數節能優 化問題，屬于機械加工領域。
【背景技術】
[0002] 隨著目前的能源危機和環境問題的越來越嚴重，很多國家已經把節能減排當作國 家的關鍵性戰略。在制造業快速發展的今天，自動化程度也越來越高。它在給我們帶來巨大 的便利同時也給我們引起了巨大的能源消耗，尤其是離散制造業。我國在離散制造系統機 床數量是世界第一的，大約700多萬臺。但大量研究表明：我國的機床能量利用效率非常低， 平均不足30%，有的甚至低到14.8%，所以節能潛力巨大。離散制造系統節能技術可粗略的 分為技術節能、制造過程管控節能、制造系統能耗分析建模和設備的改進等幾個方向。本發 明主要采用制造過程管控節能中的工藝參數優化(切削量優化)來節能。主要研究離散制造 系統機加工能耗與切削量之間的關系。建立合理的切削量模型，并采用一定的優化算法進 行求解，是合理選擇切削用量的一種有效方法。
【發明內容】
[0003] 本發明以能源效率為優化目標的離散制造系統工藝參數優化模型，以自適應遺傳 算法為切削量優化方法，提出一種機床切削用量能耗優化方法。
[0004] 所述方法包括以下步驟：1)確定模型優化變量;2)確定優化目標函數;3)確定模型 中約束條件;4)使用自適應遺傳算法來確定切削用量。
[0005] (1)確定模型優化變量：
[0006] 在切削優化數學模型中，切削加工的三個要素：切削速度V。、進給量f、背吃刀量辦 是加工過程中影響碳排放、加工能耗的3個最活躍并且相互獨立的變量，在數控編程中％是 由用戶根據加工余量確定，Vc由主軸轉速η和切削直徑來確定，因此，優化變量選取主軸轉 速η和進給量f兩個參數；
[0007] (2)確定優化目標函數：
[0008] 在離散制造系統加工中，一個零件的加工能耗分為工步層能源消耗、工序層能源 消耗、零件層能源消耗、產品層能源消耗，
[0009] (2.1)工步層的能量消耗函數模型為：
[0010] + ? + P,dt+l Pdr
[0011] 其中示工步能耗，Est表示機床的啟動能耗，Es-s表示工步的待機能耗，E ie3表示 工步的空載能耗，E。表示切削能耗;tw為待機時間，Pw為設備的總功率，^表示的是空載時 間，P ie3表示的是空載功率，P。表示切削功率，t。為加工時間，
[0012] 車削加工過程中，Pc表示為：
[0013]
[0014] 其中Xfc、yfc、nfc分別是背吃刀量aP、進給量f、切削速度Vc的指數，Kfc表示各種因素 對切削力的修正系數，C fc表示決定于被加工金屬和金屬條件的系數；
[0015] (2.2)工序層的能量消耗:在工序層，每一個工序的能耗包括其各個工步的能耗加 上用于零件運輸的能耗，
[0016]
[0017] :匕2刀丄j于ME耗，INi衣不工序中工步個數，奧..i表不每個工步的能耗，Ets表不運 輸能耗，
[0018] 運輸能耗Ets由下式來計算得到：
[0019]
[0020] 式中：pts為運輸設備的額定功率，tts為運輸設備的運行時間，Q為一次運輸裝載的 零件數量；
[0021] (2.3)零件層的能量消耗:在這一層，當零件供應不足時，會出現機床被迫等待的 情況，同#本占別串講能，生產出一個零件的能耗表示為
[0022]
[0023]式中：E3為零件能耗，犯為加工零件的工序數，E2i表示每個工序的能耗，E pt為上漆 能耗，Ecj1為清洗能耗，Es-P表示機器等待能耗；
[0024] (2.4)產品層的能量消耗：
[0025]
[0026] 式中：E4表示產品的能耗，N3表示加工產品零件的個數，E3i表示每個零件的能耗， Eae3表示裝配產品的耗能，Efy輔助設備的耗能，K和M分別為一定時間內生產產品的種類數和 特定種類產品的個數；
[0027] (3)確定模型中約束條件，包括所選設備的切削速度、最大進給量、表面粗糙度、機 床功率、切削力中的一種或多種；
[0028] (4)使用自適應遺傳算法來確定切削用量；
[0029] (4.1)設置自適應遺傳算法參數，包括種群的個數、最大運行的代數、個體染色體 的長度、遺傳操作的交叉概率P。和變異概率p m;
[0030] (4.2)物種的編碼:在切削量的優化參數設置好后，用字長為m的二進制串Sm來表 示進給量f，進給量f的取值范圍為[f min，fmax]，用m位二進制數X1表示，其關系為： Xi
[0031 ] / = / miil+ ~-t-~-(/miil) '2 - I
[0032] 主軸轉速η的取值范圍為[nmin，nmax]，用字長為K的二進制串Sk來表示，它的二進制 數為X 2，其關系為： X2 .
[0033] ^ ~ /?.α??η+ (/? inax~H mm)
[0034] 根據上述2個公式可對主軸轉速和進給量進行編碼，以進給量和主軸轉速為優化 變量的個體染色體表示為SmSk ;
[0035] (4 · 3)適應值的計算：
[0036] 適應值函數如下：
[0037]
[0038]式中:λ為線性變換系數，f(xl，X2)為切削參數目標函數，Cmax為適應值閾值；
[0039] (4.4)切削量的自適應遺傳操作，包括選擇、交叉和變異。
[0040] 具體的，步驟(3)所述約束條件中包括切削速度的約束:機床加工時的速度必需滿 足在最大和最小的切削速度之間，即nmin < η < nmax，式中，nmin，nmax分別為機床主軸的最低和 最高轉速。
[0041 ]所述約束條件還包括進給量的約束:進給量f必須在機床允許的范圍內，即fmin < f < fmax，式中，fmin，fmax分別為機床允許的最小進給量和最大進給量。
[0042] 所述約束條件還包括機床功率的約束:加工時機床的功率必須小于規定的最大有 效切削功率，BP
[0043]
[0044] 式中，τι表示機床功率的有效系數，F。為切削力，Pmax為機床最大的有效切削功率。 [0045]所述約束條件還包括切削力的約束:機床生產的過程中，切削力不可以超過機床 進給機構所允許的最大切削力F max，切削力又可以分為分解為主切削力FC、背向力Fp和進給 力Ff，具體切削力約束表示為：
[0046] 1
[0047] 式中，Fc為主切削力、Fp為背向力，Ff為進給力給力。
[0048] 所述約束條件還包括表面粗糙度的約束：
[0049] Ra = 8f2re < Rmax
[0050] 式中，Ra為實際的表面粗糙度，Γε表示刀尖圓弧半徑，f為進給力，Rmax為允許表面 粗糙度的最大值。
[0051 ]具體的，步驟(4.1)中，交叉概率p。變異概率?"為：
[0052]
[0053] 式中，favg為種群中所有個體的平均適應值，fmax種群所有個體中的最大個體適應 值，f'為兩個要交叉的個體中適應度比較大的個體適應度值，f是進行變異個體的適應度 值;Iu，k 2，k3，k4為0~1之間的數，設定了 Iu，k2，k3，k4后交叉概率就可以進行自適應的調整 了。
[0054] 步驟(4.4)中，選擇是用于確定每個切削量是否進行交叉或在下一代的存活概率， 交叉是把兩個切削量個體染色體的部分交換重組從而產生新的切削量個體的操作，變異本 身是一種局部的隨機搜索;在每一代中選擇一個最優的個體，和進化到當前代所出現的所 以最優個體進行比較，把更好的個體作為最優的個體;在產生下一代之前，用最優的個體替 換當前最差的個體，從而實現優秀個體的隔代遺傳，以求獲得最優解。
[0055]本發明的優點是:本發明由于采用了自適應的遺傳算法方案，所以在切削量選取 方面更加的合理，有效的提高了機床的利用效率，減少了能源消耗。
【附圖說明】
[0056]圖1是本發明搜索尋優的流程圖。
【具體實施方式】
[0057]下面結合附圖和實施例對本發明作進一步說明。本發明的具體實施步驟如下： [0058] (1)確定模型優化變量。
[0059]在優化設計中，其本質就是通過改變設計變量使待優化目標達到最優。在切削優 化數學模型中，切削加工的三個要素:切削速度％、進給量f、背吃刀量~是加工過程中影響 碳排放、加工能耗的3個最活躍并且相互獨立的變量。由于在數控編程中~是由用戶根據加 工余量確定，v。由主軸轉速η和切削直徑來確定。但是η和f 一般都是由系統推薦或者用戶根 據經驗、切削手冊來確定的。因此，aP可由用戶根據加工余量確定，優化變量選取η和f兩個 參數。
[0060] (2)確定優化目標函數。
[0061] 在離散制造系統加工中，一個零件的加工能耗可分為工步層能源消耗、工序層能 源消耗、零件層能源消耗、產品層能源消耗。
[0062] (2.1)工步層能源消耗:一個工步層可分為啟動、待機、空載、加工四個階段，其中 加工階段的能耗為有效輸出。則能耗模型為
[0063] Ei = Est+Es-s+Eie+Ec
[0064] 其中E1表示為工步能耗，Est表示為機床的啟動能耗，Es-s表示為工步的待機能耗， E ie3表示為工步的空載能耗，E。表示為切削能耗。
[0065] 其中，機床啟動后的啟動能耗一般是固定的，由機床本身的性能決定。其工步間待 機能耗與設備的運行總能耗和待機時間長短有關，即：
[0066]
[0067] 其中:Esd為機床的啟動能耗，U為待機時間，Pw為設備的總功率。
[0068] T擊空栽能鏈丟元相部T擊之間加工設備消耗的能量：
[0069]
[0070] 其中：ti肩示的是空載時間，Pie3表示的是空載功率。
[0071] 切削能耗表示的是切除工件材料所消耗的能量：
[0072]
[0073] 其中:P。表示切削功率，t。為加工時間。車削加工過程中，P。表示為：
[0075] 六.I . V cyj m AOi/又，丄 yjAdi^口 里·，Cipyj R "(11~里_，Afc、yfc、nfc分別是為吃刀直 ap、進給 量f、切削速度V。的指數。Kfc表示各種因素對切削力的修正系數。Cfc表示決定于被加工金屬 和金屬條件的系數。
[0074]
[0076] 所以，工步層的能量消耗函數模型為：
[0077]
[0078] (2.2)工序層的能量消耗:在工序層每一個工序的能耗包括其各個工步的能耗加 上用于零件運輸的能耗，，故有：
[0079]
[0080] 式中：E2為工序能耗，他表示工序中工步個數，4表示每個工步的能耗，E ts表示運 輸能耗。運輸能耗Ets由下式來計算得到：
[0081]
[0082] 式中：pts為運輸設備的額定功率，tts為運輸設備的運行時間，Q為一次運輸裝載的 零件數量。
[0083] (2.3)零件層的能量消耗:在這一層，最大的不同就是當零件供應不足時，會出現 機床被迫等待的情況。當機床前一個的緩存區為空，或者后一個的緩存區為滿時，機床就出 現被迫等待的情況。機床被迫等待時的功率就是機床的待機功率。
[0084] 同時，考慮到零件清洗和上漆的耗能，生產出一個零件的能耗可表示為
[0085]
[0086]式中：E3為零件能耗，犯為加工零件的工序數，E2i表示每個工序的能耗，E pt為上漆 能耗，Ecj1為清洗能耗，Es-P表示機器等待能耗。
[0087] (2.4)產品層的能量消耗:產品層的耗能需要到考慮零件裝配的耗能和輔助設備 的耗能。如下式：
[0088:
[0089] 式中：E4表示產品的能耗，N3表示加工產品零件的個數，E3i表示每個零件的能耗， Eae3表示裝配產品的耗能，Efy輔助設備的耗能，K和M分別為一定時間內生產產品的種類數和 特定種類產品的個數。
[0090] (3)確定模型中約束條件。
[0091] 在實際的加工過程中，切削參數的取值會受到某些因素的限制，比如所選設備的 切削速度、最大進給量、表面粗糙度、機床功率、切削力等約束條件，所以切削參數的取值必 需滿足這些約束條件。
[0092] (3.1)切削速度的約束。機床加工時的速度必需滿足在最大和最小的切削速度之 間，即
[0093] Πιη?η ^ Π ^ rimax
[0094] 式中，nmin，nmax分別為機床主軸的最低和最高轉速。
[0095] (3.2)進給量的約束。其進給量f必須在機床允許的范圍內，即
[0096] fmin < f < fmax
[0097] 式中，其fmin，fmax分別為機床允許的最小進給量和最大進給量。
[0098] (3.3)機床功率的約束。加工時機床的功率必須小于規定的最大有效切削功率，即
[0099]
[0100] 式中，Tl表示機床功率的有效系數，F。為切削力，Pmax為機床最大的有效切削功率。
[0101] (3.4)切削力的約束。機床生產的過程中，切削力不可以超過機床進給機構所允許 的最大切削力(Fm x)。切削力又可以分為分解為主切削力Fc、背向力Fp和進給力Ff。具體切削 力約束表示為：
[0102]
[0103]式中，Fc為主切削力、Fp為背向力，Ff為進給力給力。
[0104] (3.5)表面粗糙度的約束。表面粗糙度的約束就是加工質量的約束，SP
[0105] Ra = 8f2re < Rmax
[0106] 式中，Ra為實際的表面粗糙度，Γε表示刀尖圓弧半徑，f為進給力，Rmax為允許表面 粗糙度的最大值。
[0107] 在所有約束中，進給量的約束和主軸轉速的約束可直接作為被優化的選擇范圍， 即fmin < f dx和nmin < η < nmax。功率約束、切削力約束、表面粗糙度約束可分別表示為：
[0108]
[0109] g2(Xl，X2) =FcV-TlPmax < 0
[0110] g3(Xl，X2) =8f2re-Rmax < 0
[0111] 綜上所述，本文所描述的切削參數目標優化模型可以歸結為：
[0112] min:F(vc，f)=min(E4)
[0113] 約束的實現:可用罰函數法，將約束直接添加到目標函數中，使得約束直接在目標 函數中得到實現。
[0114] min:F(vc，f)=min(E4)+ni.max(0，gl(xi，X2))+n2.max(0，g2(xi，X2))+n3.max(0，g3 (X1，X2))
[0115] 式中，ni表示罰系數，i = l，2,3。
[0116] (4)使用自適應遺傳算法來確定切削用量。
[0117] 4.1自適應遺傳算法設置參數。
[0118] 1)種群的個數:種群個數決定了尋優過程一世代中的所有機床切削量的數量，其 種群個數越多，適應的個體數也就越多，產生的優秀的切削量個體的概率也就越大，但種群 個數取的太大會影響整個程序的運行速度，所以一般取200-500個之間。
[0119] 2)最大運行的代數:最大運行的代數就是整個自適應遺傳操作的運行次數，次數 太小就會導致算法未收斂就停止，得不到最優解。次數太大就會導致得到最優解后繼續運 行，最優解不會有大的改進。
[0120] 3)個體染色體的長度:個體染色體的長度就是優化變量轉化成二進制代碼段的位 數。其位數也控制著優化變量的精度。個體染色體的長度過長會導致整個程序的運算時間 過長，長度太短則不能體現自適應遺傳算法的優點。一般取值在12-30位。
[0121] 4)遺傳操作的交叉概率p。和變異概率pm:因為基本的遺傳算法的交叉概率是固定 的，這對總群的多樣性是不利的。所以本發明采用了自適應的遺傳算法，其交叉概率P。變異 概率Pm為：
[0122]
[0123] 式中，favg為種群中所有個體的平均適應值，fmax種群所有個體中的最大個體適應 值，f'為兩個要交叉的個體中適應度比較大的個體適應度值，f是進行變異個體的適應度 值。Iu，k 2，k3，k4為0-1之間的數，設定了 Iu，k2，k3，k4后交叉概率就可以進行自適應的調整了。
[0124] 4.2物種的編碼。
[0125] 在切削量的優化參數設置好后，用字長為m的二進制串sm來表示進給量f，進給量f 的取值范圍為[f_，f max]，用m位二進制數X1表示，其關系為：
[0126]
[0127]主軸轉速η的取值范圍為[nmin，nmax]，用字長為K的二進制串Sk來表示，它的二進制 數為X2，其關系為：
[0128:
[0129」根據上述2個公式可對主軸轉速和進給量進行編碼，以進給量和主軸轉速為優化 變量的個體染色體可以表示SsmSk。
[0130] 4.3適應值的計算。
[0131 ]適應值用于自適應遺傳算法中的選擇操作。對于不同的優化條件，參數值的分布 差異較大，可以使用冪函數變化或者指數函數變化，并且根據切削用量問題來修正適應值 函數。本發明的適應值函數如下：
[0132]
[0133] 式中:λ為線性變換系數，f(xl，X2)為切削參數目標函數，Cmax為適應值閾值。
[0134] 4.4自適應遺傳的操作。
[0135] 切削量的自適應遺傳操作包括選擇、交叉和變異。選擇是用于確定每個切削量是 否進行交叉或在下一代的存活概率。交叉是把兩個切削量個體染色體的部分交換重組從而 產生新的個體的操作。交叉的目的是為了能夠在下一代產生新的切削量個體，并模擬自然 界交配產生的后代。使得自適應遺傳的搜索能力得到提高。交叉過程中子切削量個體的染 色體會以很小的概率進行突變，也就是變異。變異本身就是一種局部的隨機搜索，與選擇、 交叉結合在一起，保證了自適應遺傳算法的有效性。使自適應遺傳算法有局部的隨機搜索 能力，并且使算法保持著所有切削量個體的多樣性。防止過早收斂的出現。
[0136] 自適應遺傳算法的交叉和變異過程是一種隨機的操作，也可能將優秀的切削量個 體轉變成適應值更差的個體。所以，在每一代中選擇一個最優的個體，和進化到當前代所出 現的所以最優個體進行比較，把更好的個體作為最優的個體。在產生下一代之前，用最優的 個體替換當前最差的個體，從而實現優秀個體的隔代遺傳，這樣更容易獲得最優解。具體的 搜索尋優過程見圖1。
【主權項】
1.基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是，包括W下步驟： (1) 確定模型優化變量： 在切削優化數學模型中，切削加工的Ξ個要素：切削速度Vc、進給量f、背吃刀量ap是加 工過程中影響碳排放、加工能耗的3個最活躍并且相互獨立的變量，在數控編程中ap是由用 戶根據加工余量確定，V。由主軸轉速η和切削直徑來確定，因此，優化變量選取主軸轉速η和 進給量f兩個參數； (2) 確定優化目標函數： 在離散制造系統加工中，一個零件的加工能耗分為工步層能源消耗、工序層能源消耗、 零件層能源消耗、產品層能源消耗， (2.1) 工步層的能量消耗函數模型為：其中El表示工步能耗，Est表示機床的啟動能耗，Es-s表示工步的待機能耗，Eie表示工步 的空載能耗，E。表示切削能耗;U為待機時間，Pw為設備的總功率，tie表示的是空載時間，Pie 表示的是空載功率，P。表示切削功率，t。為加工時間， 車削加工過程中，表示為：其中xfc、yfc、nfc分別是背吃刀量ap、進給量f、切削速度Vc的指數，KF康示各種因素對切 削力的修正系數，Cfc表示決定于被加工金屬和金屬條件的系數； (2.2) 工序層的能量消耗:在工序層，每一個工序的能耗包括其各個工步的能耗加上用 于零件運輸的能耗，式中：E2為工序能耗，化表示工序中工步個數，表示每個工步的能耗，Ets表示運輸能 耗， 運輸能耗Ets由下式來計算得到：式中：Pts為運輸設備的額定功率，tts為運輸設備的運行時間，Q為一次運輸裝載的零件 數量； (2.3) 零件層的能量消耗:在運一層，當零件供應不足時，會出現機床被迫等待的情況， 同時，考慮到零件清洗和上漆的耗能，生產出一個零件的能耗表示為式中：E3為零件能耗，化為加工零件的工序數瓜康示每個工序的能耗，Ept為上漆能耗， Ecn為清洗能耗，Es-p表示機器等待能耗； (2.4) 產品層的能量消耗：式中：E4表示產品的能耗，化表示加工產品零件的個數，E：3康示每個零件的能耗，Eae表 示裝配產品的耗能，Efy輔助設備的耗能，K和Μ分別為一定時間內生產產品的種類數和特定 種類產品的個數； (3) 確定模型中約束條件，包括所選設備的切削速度、最大進給量、表面粗糖度、機床功 率、切削力中的一種或多種； (4) 使用自適應遺傳算法來確定切削用量； (4.1) 設置自適應遺傳算法參數，包括種群的個數、最大運行的代數、個體染色體的長 度、遺傳操作的交叉概率Ρ。和變異概率Pm; (4.2) 物種的編碼:在切削量的優化參數設置好后，用字長為m的二進制串Sm來表示進給 量f，進給量f的取值范圍為[fmin，fmax]，用m位二進制數XI表示，其關系為：主軸轉速η的取值范圍為[nmin，nmax]，用字長為K的二進制串Sk來表示，它的二進制數為 X2,其關系為：根據上述2個公式可對主軸轉速和進給量進行編碼，W進給量和主軸轉速為優化變量 的個體染色體表示為SmSk; (4.3) 適應值的計算： 適應值函數如下：式中:λ為線性變換系數，f(Xl，X2)為切削參數目標函數，Cmax為適應值闊值； (4.4 )切削量的自適應遺傳操作，包括選擇、交叉和變異。2.如權利要求1所述的基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是， 步驟(3)所述約束條件包括切削速度的約束:機床加工時的速度必需滿足在最大和最小的 切削速度之間，即rimin如如max,式中，nmin，nmax分別為機床主軸的最低和最高轉速。 3 .如權利要求1所述的基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是， 步驟(3)所述約束條件包括進給量的約束:進給量f必須在機床允許的范圍內，即fmin < f < fmax，式中，fmin，fmax分別為機床允許的最小進給量和最大進給量。 4 .如權利要求1所述的基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是， 步驟(3)所述約束條件包括機床功率的約束:加工時機床的功率必須小于規定的最大有效 切削功率，即式中，η表示機床功率的有效系數，F。為切削力，Pmax為機床最大的有效切削功率。 5 .如權利要求1所述的基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是， 步驟(3)所述約束條件包括切削力的約束:機床生產的過程中，切削力不可W超過機床進給 機構所允許的最大切削力Fmax，切削力又可W分為分解為主切削力的、背向力Fp和進給力Ff， 具體切削力約束表示為：式中，Fc為主切削力、Fp為背向力，Ff為進給力給力。6. 如權利要求1所述的基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是， 步驟(3)所述約束條件包括表面粗糖度的約束： 民a 二 8f2re < Rmax 式中，Ra為實際的表面粗糖度，。表示刀尖圓弧半徑，f為進給力，Rmax為允許表面粗糖 度的最大值。7. 如權利要求1所述的基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是， 步驟(4.1)中，交叉概率Pc變異概率Pm為：式中，favg為種群中所有個體的平均適應值，fmax種群所有個體中的最大個體適應值，f' 為兩個要交叉的個體中適應度比較大的個體適應度值，f是進行變異個體的適應度值;kl， k2，k3，k4為0~1之間的數，設定了 ^山山也后交叉概率就可^進行自適應的調整了。 8 .如權利要求1所述的基于自適應遺傳算法的機床切削用量能耗優化方法，其特征是， 步驟(4.4)中，選擇是用于確定每個切削量是否進行交叉或在下一代的存活概率，交叉是把 兩個切削量個體染色體的部分交換重組從而產生新的切削量個體的操作，變異本身是一種 局部的隨機捜索;在每一代中選擇一個最優的個體，和進化到當前代所出現的所W最優個 體進行比較，把更好的個體作為最優的個體;在產生下一代之前，用最優的個體替換當前最 差的個體，從而實現優秀個體的隔代遺傳，W求獲得最優解。
【文檔編號】G06N3/12GK105844356SQ201610170152
【公開日】2016年8月10日
【申請日】2016年3月22日
【發明人】王艷, 彭竹清, 紀志成
【申請人】江南大學