题建立相应的数学模型，分析结果得出，它是目标函数而不是凸函数，因此简单的迭代方法，如最速下降算法，双线性变换算法以及共轭梯度算法就不能很好的解决自优化这个问题。那么怎样避免在求解过程中陷入局部最优这个问题，就成为求解该数学模型算法选择的个重要考虑因素。通过已有文献证明，人工鱼群算法是解决局部最优问题的最好方法。第节人工鱼群算法人工鱼群算法的介绍人工鱼群算法,是李晓磊等人于年在对动物群体智能行为研究的基础上提出的种新型仿生优化算法，该算法根据水域中鱼生存数目最多的地方般就是本水域中富含营养物质最多的地方这特点模仿鱼群的觅食行为而实现寻优。人工鱼群算法主要利用鱼的三大基本行为觅食聚群和追尾行为，采用自上而下的寻优模式从构造个体的底层行为开始，通过鱼群中各个体的局部寻优，达到全局最优值在群体中突现出来的目的。二人工鱼群算法的思想经过漫长的自然界的优胜劣汰，动物在进化过程中，形成了形形色色的觅食和生存方式，这些方式为人类解决问题带来了不少鼓舞和启发。动物个体的智能般不具备人类所具有的综合判断能力和复杂逻辑推理能力，是通过个体或群体的简单行为而突现出来的。在本章中我们可以通过模仿鱼群的聚群觅食和追尾等行为，从而实现全局最优，这就是我们所介绍的鱼群算法的基本思想。三人工鱼群的算法人工鱼群算法就是种基于动物行为的自治体寻优模式，它是基于鱼类的生重庆邮电大学自考毕业设计论文活动特点构建起来的新型智能仿生算法。通过观察可以知道鱼类有如下的几种行为觅食行为聚群行为追尾行为随机行为。这几种鱼类的行为对解决本章问题有着紧密的关系。因此，采用何种简便且有效的方式来构造和实现这些鱼群的行为将是算法实施的主要问题。算法的基本概念假设在个维的目标搜索空间中，有条组成的个群体的人工鱼，每天人工鱼个体的状态可表示为向量,，其中,为欲寻优的变量人工鱼当前所在位置的食物浓度表示，其中为目标函数为拥挤度因子，为人工鱼移动步长，人工鱼个体间距公告板更新为该个体。当公告板上最优解达到满意误差界内，算法结束，否则转。根据本章实际的仿真需求，对人工鱼群算法做了如下具体设计鱼群的每个个体表示个候选的解决方案，在这，我们可设组各个用户的功率初值，即重庆邮电大学自考毕业设计论文相当于条鱼，当搜索开始后，首先根据搜索空间的大小确定鱼群的中心位置，随机产生鱼群中的个体。然后进行追尾活动，每条鱼都查看在自己可视域范围内即距离小于，根据搜索空间的大小而定，在本章中设为的其他鱼，从中找到效应函数值最大的个，其效应函数值记为，周围可视域内的其他个体数量记为，若为拥挤度因子，此处取，则表明周围食物较多且不太拥挤，这时就向靠近。追尾活动若不成功，则进行聚群行为，每条鱼都先找出自己周围可视域内的其他鱼，形成个小鱼群，然后找出这群鱼的中心点，接着采用和前面相同方法查看中心点的食物是否拥挤是否较多，然后根据这个判断决定是否向中心点靠近。如果人工鱼聚群失败就进行觅食活动，则鱼随机从自身取出内的组功率值，离表示为，表示人工鱼每次觅食最大试探次数，表示人工鱼的感知范围见图。图人工鱼的视野和步长算法的优点具备全局寻优能力，能快速跳出局部极值点。只需比较目标函数值，对目标函数的性质要求不高。对参数设定的要求不高，容许范围大。初值可随机产生或设为固定值，即对初值的要求不高，。具备并行处理能力，寻优速度较快。算法的行为描述随机行为指人工鱼在视野内随机移动，它们旦发现食物，就会快速的向重庆邮电大学自考毕业设计论文着食物逐渐增多的方向移动。觅食行为指人工鱼游向食物多的地方的种行为，人工鱼在其视野内随机选择个状态，然后分别对它们的目标函数值进行计算和比较，如果发现比优，则向的方向移动步否则，继续在其视野内选择状态，判断是否满足前进条件，反复尝试次后，仍没有满足前进条件，则随机移动步使到达个新的状态。聚群行为人工鱼为了保证它们自身的生存和躲避危害，所以它们会在游动过程中自然地聚集成群。鱼在聚群时需要遵守三条规则分割规则尽量避免与临近伙伴过于拥挤对准规则尽量与临近伙伴的平均方向致内聚规则尽量朝临近伙伴的中心移动。人工鱼收索其视野内的伙伴数目及中心位置，若，表明伙伴中心位置状态较优且不太拥挤，则朝伙伴的中心位置移动步，否则执行觅食行为。追尾行为追尾行为是指人工鱼在它们的可视区域内移向最优方向的种行为。人工鱼搜索其视野内所有伙伴中的函数最优伙伴，如果，就说明最优伙伴的周围不太拥挤，则朝此伙伴移动步，否则执行觅食行为。公告板公告板是记录最优人工鱼个体状态的地方。每条人工鱼在执行完次迭代后将自身当前状态与公告板中记录的状态进行比较，如果由于公告板中的状态则用自身状态更新公告班中的状态，否则公告板的状态不变。当整个算法的迭代结束后，输出公告板的值，就是我们所求的最优值。鉴于以上描述的人工鱼群行为，每条人工鱼探索它当前所处的环境状况和伙伴的状况，从而选择种行为来实际执行，最终几个局部极值周围将集结不同数量的人工鱼。但是往往在讨论极大值问题的时候，般在极值较大的极值域周围拥有较大适应值的人工鱼，这有助于获取全局极值域，而往往更多的人工鱼将会集结在值较大的极值区域周围，这将有助于判断并获取全局极值。人工鱼群算法具体的步骤如下确定种群规模，在变量可行域内随机生成个个体，设定人工鱼的可视域，步长，拥挤度因子，尝试次数。计算初始鱼群各个个体适应值，取最优人工鱼状态及其值赋给公告板。个体通过觅食，聚群，追尾行为更新自己，生成新鱼群。评价所有个体。若个体由于公告板，则将优化的目标是容量和节能以及他们相互间的自优化。第二节主要讲的是通过电磁波在自有空间中的传播理论，分析了对网络容量影响的因素，根据这个对网络容量进行建模。后面又分析了基站分配给各个用户时发射功率时所产生的能耗，因此，建立节能的模型。最后，引入了实时业务量的控制变量，来分析不同场景下优化目标的选取，从而建立了最终的自优化模型。重庆邮电大学自考毕业设计论文第四章自优化网络模型仿真分析通过前章的对自组织网络中的功率优化进化问对其见零件图为便于计算对轴上受力进行简化在水平面内与竖直平面内对轴进行受力分析计算如下第三章传动系统零部件设计计算齿轮受力圆周力径向力，轴向力计算支撑反力水平面内支撑反力,垂直面支撑反力,画水平面内和垂直面内受力图,见附图画水平面弯矩图见附图画垂直面弯矩图画合成弯矩图画轴转矩图见附图许用应力用查入法查表,应力校正系数画出当量弯矩图见附图当量弯矩齿轮中间截面处当量弯矩轴颈处当量弯矩轴颈处当量弯矩校核轴颈齿轮中间处轴直径。第三章传动系统零部件设计在轴颈处，所以该轴设计得合理。附图第三章传动系统零部件设计轴的设计与校核估算轴颈假设轴材料为钢，则由公式，查表,，轴结构设计该轴兼有传动轴和液压变档滑移作用，画出的齿轮轮廓,齿轮分度圆直径较大,不需要采用齿轮轴结构根据轴及轴上零件作用，完成轴的结构设计,详见零件图为便于计算对轴上受力进行简化第三章传动系统零部件设计在水平面内与竖直平面内对轴进行受力分析计算如下计算齿轮受力圆周力径向力，轴向力计算支撑反力垂直面内支撑反力,水平面支撑反力,画水平面内和垂直面内受力图,见附图画水平面弯矩图见附图画垂直面弯矩图画合成弯矩图画轴转矩图见附图许用应力用查入法查表,应力校正系数画出当量弯矩图见附图当量弯矩齿轮中间截面处当量弯矩校核轴颈齿轮中间处轴直径考虑载荷较均匀分布，本次校核是在极端情况下进行且误差在之内，所以合理。第三章传动系统零部件设计附图第五章主轴驱动与控制第四章主轴组件的设计与校核主轴的要求旋转精度主轴的旋转精度上是指装配后，在无载荷，低转速的条件下，主轴前端工件或刀具部位的径向跳动和轴向跳动。主轴组件的旋转精度主要取决于各主要件，如主轴，轴承，箱体孔的的制造，装配和调整精度。还决定于主轴转速，支撑的设计和性能，润滑剂及主轴组件的平衡。通用包括数控机床的旋转精度已有标准规定可循。静刚度主轴组件的静刚度简称刚度反映组件抵抗静态外载荷变形的能力。影响主轴组件弯曲刚度的因素很多，如主轴的尺寸和形状，滚动轴承的型号，数量，配置形式和欲紧，前后支撑的距离和主轴前端的悬伸量，传动件的布置方式，主轴组件的制造和装配质量等。各类机床主轴组件的刚度目前尚无统的标准。抗振性主轴组件工作时产生震动会降低工件的表面质量和刀具耐用度，缩短主轴轴承寿命，还会产生噪声影响环境。振动表现为强迫振动和自激振动两种形式。影响抗振性的因素主要有主轴组件的静刚度，质量分布和阻尼特别是主轴前支撑的阻尼主轴的固有频率应远大于激动力的频率，以使它不易发生共振。目前，尚未制定出抗振性的指标，只有些实验数据可供设计时参考。升温和热变形主轴组件工作时因各相对运动的处的摩擦和搅油等而发热，产生温升，从而使主轴组件的形状和题建立相应的数学模型，分析结果得出，它是目标函数而不是凸函数，因此简单的迭代方法，如最速下降算法，双线性变换算法以及共轭梯度算法就不能很好的解决自优化这个问题。那么怎样避免在求解过程中陷入局部最优这个问题，就成为求解该数学模型算法选择的个重要考虑因素。通过已有文献证明，人工鱼群算法是解决局部最优问题的最好方法。第节人工鱼群算法人工鱼群算法的介绍人工鱼群算法,是李晓磊等人于年在对动物群体智能行为研究的基础上提出的种新型仿生优化算法，该算法根据水域中鱼生存数目最多的地方般就是本水域中富含营养物质最多的地方这特点模仿鱼群的觅食行为而实现寻优。人工鱼群算法主要利用鱼的三大基本行为觅食聚群和追尾行为，采用自上而下的寻优模式从构造个体的底层行为开始，通过鱼群中各个体的局部寻优，达到全局最优值在群体中突现出来的目的。二人工鱼群算法的思想经过漫长的自然界的优胜劣汰，动物在进化过程中，形成了形形色色的觅食和生存方式，这些方式为人类解决问题带来了不少鼓舞和启发。动物个体的智能般不具备人类所具有的综合判断能力和复杂逻辑推理能力，是通过个体或群体的简单行为而突现出来的。在本章中我们可以通过模仿鱼群的聚群觅食和追尾等行为，从而实现全局最优，这就是我们所介绍的鱼群算法的基本思想。三人工鱼群的算法人工鱼群算法就是种基于动物行为的自治体寻优模式，它是基于鱼类的生重庆邮电大学自考毕业设计论文活动特点构建起来的新型智能仿生算法。通过观察可以知道鱼类有如下的几种行为觅食行为聚群行为追尾行为随机行为。这几种鱼类的行为对解决本章问题有着紧密的关系。因此，采用何种简便且有效的方式来构造和实现这些鱼群的行为将是算法实施的主要问题。算法的基本概念假设在个维的目标搜索空间中，有条组成的个群体的人工鱼，每天人工鱼个体的状态可表示为向量,，其中,为欲寻优的变量人工鱼当前所在位置的食物浓度表示，其中为目标函数为拥挤度因子，为人工鱼移动步长，人工鱼个体间距公告板更新为该个体。当公告板上最优解达到满意误差界内，算法结束，否则转。根据本章实际的仿真需求，对人工鱼群算法做了如下具体设计鱼群的每个个体表示个候选的解决方案，在这，我们可设组各个用户的功率初值，即重庆邮电大学自考毕业设计论文相当于条鱼，当搜索开始后，首先根据搜索空间的大小确定鱼群的中心位置，随机产生鱼群中的个体。然后进行追尾活动，每条鱼都查看在自己可视域范围内即距离小于，根据搜索空间的大小而定，在本章中设为的其他鱼，从中找到效应函数值最大的个，其效应函数值记为，周围可视域内的其他个体数量记为，若为拥挤度因子，此处取，则表明周围食物较多且不太拥挤，这时就向靠近。追尾活动若不成功，则进行聚群行为，每条鱼都先找出自己周围可视域内的其他鱼，形成个小鱼群，然后找出这群鱼的中心点，接着采用和前面相同方法查看中心点的食物是否拥挤是否较多，然后根据这个判断决定是否向中心点靠近。如果人工鱼聚群失败就进行觅食活动，则鱼随机从自身取出内的组功率值，