微型多目標(biāo)遺傳算法是在微型遺傳算法基礎(chǔ)上提出的一種基于非支配分級(jí)的多目標(biāo)優(yōu)化算法，它采用小規(guī)模種群，具有較高的計(jì)算效率。該算法的基本過程是：隨機(jī)產(chǎn)生一個(gè)初始種群，初始化外部種群；將初始種群中的個(gè)體進(jìn)行非支配分級(jí)，有{zh0}非支配分級(jí)的個(gè)體添加到外部種群，每個(gè)個(gè)體的適應(yīng)度有兩部分：{dy}部分是解的非支配分級(jí)，第二部分是個(gè)體間距值。這樣，首先最小化解的非支配分級(jí)，即非支配級(jí)級(jí)數(shù)越小的個(gè)體適應(yīng)度越高，如果非支配分級(jí)相同，那么個(gè)體間距值大的適應(yīng)度就大。目前用于散料輸送的大跨度布料機(jī)布料臂架剛度提高，可以減小各節(jié)臂架的撓度差，降低臂架布料桿伸縮時(shí)的磨損和鋼絲繩及皮帶的布置難度，延長其使用壽命。同時(shí)臂架自重增大，會(huì)使臂架與支架及油缸鉸接處的支承力增大，使轉(zhuǎn)盤主軸承與油缸活塞軸向力增加，影響鉸鏈和轉(zhuǎn)臺(tái)的靈活性，導(dǎo)致“卡死”，甚至引起整機(jī)傾覆。鑒于此，著眼于這兩者之間的平衡，提出了一種基于微型多目標(biāo)遺傳算法的布料臂架主梁結(jié)構(gòu)尺寸多目標(biāo)優(yōu)化方法。
　　一旦種群收斂，便采用探測算子在非支配解的參數(shù)域進(jìn)行探測性搜索，然后運(yùn)用重啟動(dòng)策略產(chǎn)生新種群，以提高收斂效率。本文以各節(jié)臂架主梁的截面尺寸作為優(yōu)化變量，以提高臂架剛度和輕量化為優(yōu)化目標(biāo)，利用微型多目標(biāo)遺傳算法，結(jié)合布料機(jī)運(yùn)行的實(shí)際工況和參數(shù)化有限元建模技術(shù)，建立布料桿臂架的優(yōu)化設(shè)計(jì)模型。此方法既能{gx}地增強(qiáng)臂架剛度和減輕臂架重量，又能僅通過一次計(jì)算就提供多組方案以滿足對布料機(jī)的不同性能控制。
  http:///