1、“.....并且有。那么需要从当前的非支配集中除去个个体，这些被去除的个体不是随机选取的，而是根据拥挤度比较算子选择性地去除优秀度不够的个体。基于拥挤度距离来保持个体解的多样性策略就是根据式，计算种群中个非支配个体的拥挤度距离，然后对这个个体按拥挤度距离升序排序，最后将个拥挤度距离最小的个体次性去除，从而使新父代种群规模大小维持不变。显然，这种维持多样性的策略过于粗糙，使得个体解的分布性较差。由于传统的拥挤度距离的分布性保持策略存在如下两个缺陷如图实心黑点表示非支配个体图个体的拥挤度距离由于个体的拥挤度距离都比较小，若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见，基于传统的拥挤度距离来保持解的分布性策略中，个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次......”。

2、“.....提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说，个体的明显大于的。如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体，即在不同维目标上拥挤度距离差异程度较大的个体，在种群维护过程中有更多的机会得到保留。下面讨论基于新拥挤度距离保持解的多样性策略的具体描述。若种群规模大小为，当前非支配集的大小为，且，则根据从中去除个个体的具体描述如下根据式计算中每个个体的动态聚集距离。对中的个体按新拥挤度距离进行升序排序。将中拥挤度距离最小的个体从中去除。若，则结束种群维护否则返回步骤，继续执行。由以上可以看出，利用经过改进的拥挤度距离计算公式来维护种群时表现出两个重要特点燕山大学本科生毕业设计论文每次只去除当前非支配集中最小的个个体......”。

3、“.....重新计算中个体的。这样就可以避免次性去除过多个体而造成解个体在区域的缺失，最终可以得到分布更为均匀的前沿。由于使用式来计算个体的，在式中不仅考虑了种群个体之间的拥挤情况，而且还考虑了种群个体在不同维目标上拥挤度距离的差异情况。这有利于维护在不同维目标上拥挤度距离差异较大的前沿的分布性。算法流程算法的基本流程是首先，随机产生种群规模大小为的父代种群，然后由父代种群产生子代种群，其种群规模大小同样为。将两个种群混合在起，形成了种群规模大小为叉参数作不同取值时的最终结果。图不同交叉参数下的最终优上述快速非支配排序算法步骤的和需要次计算。于是，整个迭代过程的计算复杂度最大是。这样，整个快速非支配排序算法的计算复杂度就是,根据上述快速非支配排序算法的步骤，相应的伪代码为对于种群第章算法拥挤度拥挤度的确定在原来的算法中，采用共享的小生境技术确保证种群的多样性，但这需要由决策者指定共享参数的值。为了克服算法中的这种不足，中引用了拥挤度的概念拥挤度表示在种群中给定点的周围个体的密度，用表示......”。

4、“.....具体如图所示。图个体的拥挤度在带精英策略的非支配排序遗传算法中，拥挤度的计算是确保种群多样性的个重要因素，其计算步骤如下燕山大学本科生毕业设计论文每个点的拥挤度置为针对每个优化目标，对种群进行非支配排序，令边界上的两个个体的拥挤度为无穷大，即对种群中其他个体的拥挤度进行计算在上式中，表示点的拥挤度，表示点第个目标函数的函数值，表示点的第个目标函数的函数值。拥挤度比较算子经过前面的快速非支配排序以及拥挤度计算之后，种群中的每个个体都拥有如下两个属性非支配排序决定的非支配序拥挤度根据这两个属性，可以定义拥挤度比较算子个体与另个个体进行比较，只要下面任意个条件成立，则个体获胜。若个体所处的非支配层优于个体所处的非支配层，即。若种群中两个个体有相同的等级处在相同的非支配层，且个体的拥挤距离大于个体的拥挤距离，即且。条件用来确保被选择的个体属于在种群中比较优秀的非劣等级。条件是根据它们的拥挤距离来选择处在相同的非支配层的两个个体，位于较不拥挤区域的个体有较大的拥挤度会被选择。根据这两个条件，选出种群中胜出的个体进入下个操作......”。

5、“.....以防止在种群的进化过程中优秀个体的流失，通过将父代种群与其产生的子代种群混合后进行非支配排序的方法，能够有较好地避免父代种群中优秀个体的流失。精英策略的执行步骤如图所示第章算法拥挤度比较算子非支配排序优越度不够，淘汰图精英策略的执行步骤首先，要将第代产生的子代种群与父代种群合并在起，组成种群规模大小为的新种群。然后将种群进行非支配排序，求出系列非支配集并且计算每个个体的拥挤度。因为父代和子代的个体都包含在种群中，所以经过非支配排序后的非支配集所包含个体是整个种群中最好的个体集合，故先将放到新的父代种群中。若此时种群的规模小于，那么需要继续向中填加下级的非支配集，直到添加到非支配集时，种群的大小超出，则对中的每个个体使用拥挤度比较算子，取前个个体，使种群的规模达到。然后通过遗传算子，如选择交叉变异，来产生新的子代种群。在算法中，通过引入拥挤度比较算子来确保非劣解的多样性。由于比较的是种群中所有个体的拥挤度，所以在这过程中没有依赖在算法中出现的共享参数。算法的拥挤度距离公式改进在传统的算法中，如果种群规模大小为......”。

6、“.....我摆脱值,将小于个大气压务,即产生负压故可用增大流速来获得负压,产生吸力笔者认为对真空发生器的抽吸机理和影响其工作性能因素的分析研究,对正负压气路的设计和选用有着不可忽视的实际意义第页真空发生器用于产生真空，结构简单，体积小，无可动机械部件，安装和使用都很方便，因此应用很广泛，真空发生器产生的真空度可达到，真空发生器的工作原理如图所示。它是由先收缩后扩张的拉瓦尔喷管负压腔接收管，有供气口排气口和真空口，当供气口的供气压力高于定值后，喷管射出的超声速射流。由于气体的粘性，高速射流卷吸走负压腔内的气体，使该腔形成很低的真空度，在真空口处接上真空吸盘，靠真空压力和吸盘吸取物体。其他元器件的选用个完整的真空吸附系统还包括真空过滤器供给阀破坏阀等。真空过滤器的选择型，流量是每分钟，大于真空发生器的最大流量每分钟，满足需求，真空节流阀选择系列单向节流，公称通径是，有效截流面大于,泄漏量小于每分钟，单向阀开启压力为。第章机械手臂部的设计个手臂部件是机械手的主要握持部件。它的作用是支撑腕部和手部包括工件或第页工具，并带动它们作空间运动。手臂运动应该包括个运动伸缩翻转和升降......”。

7、“.....如果改变手部的姿态方位，则用腕部的自由度加以实现。因此，般来说臂部应该具备个自由度，才能满足基本要求，既手臂伸缩左右回转和升降运动。手臂的各种运动通常用驱动机构和各种传动机构来实现，从臂部的受力情况分析，它在工作中即直接承受腕部手部和工件的静动载荷，而且自身运动较多。因此，它的结构工作范围灵活性等直接影响到机械手的工作性能。由于本设计需要，手部腕部无需设计，只需设计手臂即可。臂部设计的基本要求臂部应承受能力大刚度好自重轻根据受力情况，合理选择截面形状和轮廓尺寸提高支撑刚度和合理选择支撑点的距离合理布置作用力的位置和方向注意简化结构提高配合精度。臂部运动速度要高，惯性要小机械手手部的运动速度是机械手的主要参数之，它反映机械手的生产水平。对于高速度运动的机械手，其最大移动速度设计在至，最大回转角速度设计在度内，大部分平均移动速度为平均回转角速度在度。在速度和回转角速度定的情况下，减小自身重量是减小惯性的最有效，最直接的办法，因此，机械手臂部要尽可能的轻。手臂动作应该灵活为减少手臂运动之间的摩擦阻力，尽可能用滚动摩擦代替滑动摩擦。对于悬臂式的机械手......”。

8、“.....使手臂运动尽可能平衡，以减少对升降支撑轴线的偏心力矩，特别要防止发生机构卡死自锁现象。为此，必须计算使之满足不自锁的条件。总结以上要求是相互制约的，应该综合考虑这些问题，只有这样，才能设计出完美的性能良好的机械手。手臂的典型机构以及结构的选择常见的手臂伸缩机构有以下几种双导杆手臂伸缩机构手臂的典型运动形式有直线运动，如手臂的伸缩，升降和横向移动回转运动，如手臂的左右摆动，上下摆动符合运动，如直线运动和回转运动组合，两直线运动的第页双层气压缸空心结构。双活塞杆气压缸。活塞杆和齿文小为，并且有。那么需要从当前的非支配集中除去个个体，这些被去除的个体不是随机选取的，而是根据拥挤度比较算子选择性地去除优秀度不够的个体。基于拥挤度距离来保持个体解的多样性策略就是根据式，计算种群中个非支配个体的拥挤度距离，然后对这个个体按拥挤度距离升序排序，最后将个拥挤度距离最小的个体次性去除，从而使新父代种群规模大小维持不变。显然，这种维持多样性的策略过于粗糙，使得个体解的分布性较差......”。

9、“.....若次性去除所有拥挤度距离较小的个体，则会出现个体与之间个体的缺失，从而影响解的分布性。对于个体来说，由于其在其中维目标上的差值很大，而在另维目标上差值却很小，这使得的拥挤度距离也比较小。而对于个体，由于其在各个维目标上的差值都相差不是很大，使得的拥挤度距离也比较第章算法大，此时传统算法会误认为的分布性比要好，但事实上，的分布性要比好。由此可见，基于传统的拥挤度距离来保持解的分布性策略中，个体的拥挤度距离是不变的。也就是说，在次种群维护中，种群中个体的拥挤度距离只计算次。针对上述拥挤度距离的两个缺陷，提出以下相应的解决方法。对于缺陷，可以在种群维护过程中，每去除个个体后重新计算种群中剩余个体的拥挤度距离。对于缺陷，个体的新拥挤度距离可以根据下式进行计算其中，是传统的拥挤度距离，可根据式计算可以根据下式得出表示个体在各个维目标上其相邻个体的拥挤度距离的方差，它能反映出各个维目标拥挤度距离的差异程度。例如，对于图中个体与来说，个体的明显大于的。如此，式中定义的新拥挤度距离计算公式，可以使种群中类似个体的解个体......”。