1、“.....覆盖面大，利于全局择优。其次，遗传算法基本上不用搜索空间的知识或其它辅助信息，而仅用适应度函数值来评估个体，在此基础上进行遗传操作。适应度函数不仅不受连续可微的约束，而且其定义域可以任意设定。这特点使得遗传算法的应用范围大大扩展。最后，遗传算法不是采用确定性规则，而是采用概率的变迁规则来指导他的搜索方向。遗传算法的应用由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其它辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数......”。

2、“.....它不依赖于问题的具体领域，所以广泛应用于许多科学，下面是遗传算法的些主要应用领域。函数优化函数优化是遗传算法的经典应用领域，也是遗传算法进行性能评价的常用算例，许多人构造出了各种各样复杂形式的测试函数连续函数和离散函数凸函数和凹函数低维函数和高维函数单峰函数和多峰函数等。对于些非线性多模型多目标的函数优化问题，用其它优化方法较难求解，而遗传算法可以方便的得到较好的结果。组合优化随着问题规模的增大，组合优化问题的搜索空间也急剧增大......”。

3、“.....对这类复杂的问题，人们已经意识到应把主要精力放在寻求满意解上，而遗传算法是寻求这种满意解的最佳工具之。实践证明，遗传算法对于组合优化中的问题非常有效。例如遗传算法已经在求解旅行商问题背包问题装箱问题图形划分问题等方面得到成功的应用。响应面法的简单介绍响应曲面设计是利用合理的试验设计方法并通过实验得到定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的种统计方法。传统试验设计与优化方法，都未能给出直观的图形，因而也不能凭直觉观察其最优化点......”。

4、“.....但难以直观地判别优化区域．为此响应面分析法也称响应曲面法应运而生．响应面分析也是种最优化方法，它是将体系的响应如萃取化学中的萃取率作为个或多个因素如萃取剂浓度酸度等的函数，运用图形技术将这种函数关系显示出来，以供我们凭借直觉的观察来选择试验设计中的最优化条件。多目标优化的基本思路分析数据的收集为了更好地熟悉汽车覆盖件在冲压工艺和参数影响方面的知识架构，在论文前期工作中，通过仿真分析软件对汽车覆盖件进行了多次的的模拟成型回弹分析，包括摩擦系数压边力等工艺参数的整理收集工作数据收集情况如图......”。

5、“.....图.分析数据收集首先，考虑到整个优化过程必须有驱动组件和激活组件，所以，先确定了优化组件和代理模型版块。接下来，为了达到对些目标进行最优值选择的目的，对里的参数进行些简单且必要的设置，分析思路如下确定需要优化的参数因为本论文设计的出发点是对汽车覆盖件拉延过程中些结果进行优化，所以在这里，选取对汽车覆盖件成型影响较大的结果进行输出分析，进步得到适应产品生产要求的过程变量。在这里，把前面用仿真分析软件做的次成型和回弹分析数据导入里做定向目标优化分析......”。

6、“.....还有回弹如果太大的话也会使产品最终的成形不符合使用要求。所以，综合考虑各种情况，本设计选取对成形结果影响最大的两个参数变薄率和回弹量，作为本次优化的最终输出目标，以拉延筋压边力静摩擦系数为输入自变量，变厚率变薄率为约束条件。如图.所示图.输入输出变量的设定目标函数的最优值求法每个不同的摩擦系数值和压边力值都将对变薄程度产生定的影响，也就是说每个摩擦系数对应着个相应的变薄率。同理，对回弹的影响也样。因为本次的设计是针对多目标参数最优值的选择，所以在这里选取遗传算法作本次试验的运算工具......”。

7、“.....根据所查资料，需要确定的参数变量值的范围如下压边力摩擦系数变厚率范围.变薄率范围选择遗传算法的界面如图.所示图.遗传算法的选择和参数范围的设定界面结果的分析通过遗传算法的运算，我们求得了之前仿真分析结果的最优值，接下来将以此最优值定义自变量，我们可以更好地理解设计过程中摩擦系数和压边力等工艺参数对目标函数的影响。首先，把所得的最优结果定义自变量如图.图.所示图.所求最优值图.将最优值定为自变量参数间的影响关系因为本试验的输出目标函数为变薄率回弹量，所以当变薄率基于个稳定的区域时......”。

8、“.....本试验步骤是将所求得的最优值作为变量，根据变薄率与压边力摩擦系数间的关系曲线，同时根据回弹量与压边力摩擦系数间的关系曲线，分析优化结果的合理性。变薄率回弹值与压边力摩擦系数的关系具体如图.图.图.图.所示，其中蓝色的点代表最优值在参数关系图中的位置，也反映了最优值的合理性。图.压边力与变薄率间的关系图图.摩擦系数与变薄率间的关系图图.压边力与回弹量间的关系图图.摩擦系数与回弹量间的关系图从图中可以看出当回弹量越小时，压边力值越大，而摩擦系数越小。因为选取最优值作为最终的分析变量......”。

9、“.....但与此同时回弹量却控制在相当理想的值上，所以验证了之前提出的观点的正确性，也找到了参数间的影响规律。经过上述分析后，将得到的优化数值，导入里进行成形分析，得到的优化结果如图.所示，通过与没经过优化的分析结果图.所示作对比，可以明显看出试验对成形结果的质量的改善。图.最终优化成形图图.未经过优化的成形图目标函数对产品的影响与控制变薄的影响与控制随着加工工业的不断发展以及加工产品向着高精度高质量和高难度的方向发展，板料的多次成型及特殊成型方法正得到越来越广泛的应用......”。