微型多目标遗传算法是在微型遗传算法基础上提出的一种基于非支配分级的多目标优化算法，它采用小规模种群，具有较高的计算效率。该算法的基本过程是：随机产生一个初始种群，初始化外部种群；将初始种群中的个体进行非支配分级，有{zh0}非支配分级的个体添加到外部种群，每个个体的适应度有两部分：{dy}部分是解的非支配分级，第二部分是个体间距值。这样，首先最小化解的非支配分级，即非支配级级数越小的个体适应度越高，如果非支配分级相同，那么个体间距值大的适应度就大。目前用于散料输送的大跨度
布料机布料臂架刚度提高，可以减小各节臂架的挠度差，降低臂架
布料杆伸缩时的磨损和钢丝绳及皮带的布置难度，延长其使用寿命。同时臂架自重增大，会使臂架与支架及油缸铰接处的支承力增大，使转盘主轴承与油缸活塞轴向力增加，影响铰链和转台的灵活性，导致“卡死”，甚至引起整机倾覆。鉴于此，着眼于这两者之间的平衡，提出了一种基于微型多目标遗传算法的布料臂架主梁结构尺寸多目标优化方法。
一旦种群收敛，便采用探测算子在非支配解的参数域进行探测性搜索，然后运用重启动策略产生新种群，以提高收敛效率。本文以各节臂架主梁的截面尺寸作为优化变量，以提高臂架刚度和轻量化为优化目标，利用微型多目标遗传算法，结合布料机运行的实际工况和参数化有限元建模技术，建立
布料杆臂架的优化设计模型。此方法既能{gx}地增强臂架刚度和减轻臂架重量，又能仅通过一次计算就提供多组方案以满足对布料机的不同性能控制。
http:///
