粒子群算法在机械零部件可靠性优化设计的应用
Application of Particle Swarm Optimization in De ign of Reliability of Mechanical Part and A emblie
田萍芳1 王从军2
（武汉科技大学1，武汉430070；华中科技大学2，武汉430074）
摘要 : 粒子群算法（Particle Swarm Optimization）是一种新出现的群智能（Swarm Intelligence）优化方法。本文所介绍将其应用于机械可靠性优化设计，建立基于粒子群算法的机械零部件可靠性优化设计的数学模型，并与遗传算法作了对比试验。结果表明，粒子群算法
可以快速、有效求得优化解，是求解机械可靠性优化设计问题的一个较好方案。
关键词:粒子群算法 机械零部件 可靠性 优化设计
Abstract Particle Swarm Optimization（PSO）is a newly appeared method for Swarm Intelligence optimization. PSO was used by author for optimization design of reliability of mechanical parts and assemblies，and establishment of its mathematical model. In addition，inter-comparison between PSO and generic algorithm（GA）is taken. The results of experiments show that the optimal solution can be quickly and effectively reached with PSO，thus PSO is proven to be an effective method for optimization design of reliability of mechanical parts and assemblies.
Keywords Particle swarm optimization Mechanical parts and assemblies Reliability Optimization design
0 引言
优化与可靠性技术在机械工程中的应用已深入到了结构设计、强度与寿命分析、选材和失效分析等各项技术中。采用传统的优化算法对机械零部件进行可靠性优化设计，国内外学者已作了很多研究［1 ～ 3］。但由于传统的优化算法存在着局部最优现象，使得优化结果很难达到全局最优解。为解决这个问题，先后出现了一般启发式算法及遗传算法、禁忌搜索和模拟退火等智能化启发式算法，并取得了一些较好的效果［4］。
粒子群算法（PSO，particle swarm optimization）［5］是最近出现的一种模拟鸟群飞行的仿生算法，有着个体数目
少、计算简单、鲁棒性好等优点，在各类多维连续空间优化问题上均取得非常好的效果。本文将通过对粒子群算法特点的分析，建立基于粒子群算法的机械零部件可靠性优化设计模型。
1 粒子群算法
粒子群算法由Kennedy 和Eberhart 在1995 年提出，该算法模拟鸟集群飞行觅食的行为，通过鸟之间的集体协作使群体达到最优目的。在PSO 系统中，每个备选解被称为一个“粒子”（particle），多个粒子共存、合作寻优，每个粒子根据它自身的“经验”和粒子群的最佳“经验”在问题空间中向更好的位置“飞行”，搜索最优解。PSO 算法数学表示如下［5］：
