NX MCD_快速入门手册.pdf

机电一体化概念设计解决方案（NX MCD）入门手册。机电一体化概念设计解决方案（MCD）是一种全新解决方案，适用于机电一体化产品的概念设计。借助该软件，可对包含多物理场以及通常存在于机电一体化产品中的自动化相关行为的概念进行 3D 建模和仿真。MCD 支持功能设计方法，可集成上游和下游工程领域，包括需求管理、机械设计、电气设计以及软件/ 自动化工程。MCD可加快涉及机械、电气和软件设计学科的产品的开发速度， 使这些学科能够同时工作，专注于包括机械部件、传感器、驱动器和运动的概念设计。MCD 可实现创新性的设计技术，帮助机械设计人员满足日益提高的要求，不断提高机械的生产效率、缩短设计周期和降低成本。

算法测试基准函数

Totally 56 benchmark functions for testing, they are used for intelligence algorithm testing.

狐獴家族算法代码（修正）

根据狐獴种群生活习性，并从中受到启发，三位原作者由此开发出狐獴算法。现在假设有一个狐獴种群，总的个体数量为n，先初始化所有的相关参数，并根据适应度函数计算所有个体的适应度值，选择适应度值最优者为哨兵，其数量为1。接下来， 剩余子群数量为（n-1），将剩余子群随机划分成两部分——觅食子群和保姆子群。 其次，将觅食子群个体进行更新，使得其整体质量要优于保姆子群，这一点也是符合狐獴种群的生活习性特征的。觅食子群中每一个个体从其本身产生邻域，并计算邻域的适应度值，若其优于该个体，则替换该个体；否则，从哨兵个体产生邻域，同理，并计算邻域的适应度值，若其优于该个体，则替换该个体，否则，将哨兵赋值给该个体。这样，觅食子群整体变得较优。 再根据计算适应度值和觅食子群和保姆子群的弱劣比例，选出觅食子群中弱劣个体，并用保姆子群中的最优个体替换觅食子群中弱劣个体；而后，随机产生一组新个体来替换保姆子群中的弱劣个体。这样，觅食子群中的个体质量明显要优于保姆子群中的个体。 最后，再根据适应度值选出这时觅食子群中的最优个体，若其优于哨兵，将其赋值给哨兵即是。当然，上述这些步骤要循环进行，直至终止条件结束。那么，哨兵即是我们最后所要找的最优个体。（本代码在原代码上做了修改，以30维的Sphere函数测试效果更加良好）

象群游牧算法代码

象群游牧算法，是一种新提出来的元启发式智能算法，根据象群在草原上游牧的习性而建立来。象群被分为多个家族群，每个个体都向各自家族群里的家长靠拢；成年雄象在青春期会被分离出去等。以Sphere函数测试，效果相当良好。

狐獴算法求解函数最值问题

根据狐獴种群生活习性，并从中受到启发，三位原作者由此开发出狐獴算法。现在假设有一个狐獴种群，总的个体数量为n，先初始化所有的相关参数，并根据适应度函数计算所有个体的适应度值，选择适应度值最优者为哨兵，其数量为1。接下来， 剩余子群数量为（n-1），将剩余子群随机划分成两部分——觅食子群和保姆子群。 其次，将觅食子群个体进行更新，使得其整体质量要优于保姆子群，这一点也是符合狐獴种群的生活习性特征的。觅食子群中每一个个体从其本身产生邻域，并计算邻域的适应度值，若其优于该个体，则替换该个体；否则，从哨兵个体产生邻域，同理，并计算邻域的适应度值，若其优于该个体，则替换该个体，否则，将哨兵赋值给该个体。这样，觅食子群整体变得较优。 再根据计算适应度值和觅食子群和保姆子群的弱劣比例，选出觅食子群中弱劣个体，并用保姆子群中的最优个体替换觅食子群中弱劣个体；而后，随机产生一组新个体来替换保姆子群中的弱劣个体。这样，觅食子群中的个体质量明显要优于保姆子群中的个体。 最后，再根据适应度值选出这时觅食子群中的最优个体，若其优于哨兵，将其赋值给哨兵即是。当然，上述这些步骤要循环进行，直至终止条件结束。那么，哨兵即是我们最后所要找的最优个体。