一般傳統的基本基因演算法為一種不包含限制條件處理的仿生最佳化演算法，許多方法都是以外加的方式來處理限制條件函數，而本研究啟發於雙股螺旋染色體(Double Helix Chromosome)的演化行為，使得限制的基因演算法(Constrained GA)在演化的過程中能較自然的來直接處理限制條件。本研究發展了重組(Recombination)、移植(Transplantation)以及突變(Mutation)為基因演算的基礎架構，形成含處理限制條件的基因演算法，本文之具有限制條件處理能力的演算程序，更能符合仿生物基因演化的原理。並以數個數值例題能驗證本文提出的限制基因演算法可達到所需之求解精確性(Accuracy)，在率(Efficiency)及穩健性(Robustness)。
電熱式微致動器(Electro-thermal Microactuator)在近年來頗受工程分析與設計的應用，目前已有處理電熱式微致動器最佳化分析及設計研究，但尚無考慮含有設計限制的模型，因此本文應用提出的限制基因演算法，進行含限制的微致動器結構最佳化設計，期能應用於微夾持器(Microgripper)的致動器。本研究分別對單臂(Single-arm)及雙臂(Double-arm)電熱式微致動器進行了限制基因演算法最佳化分析設計及討論。所提出之設計模型特點包含找尋適當的電壓值來進行滿足限制條件溫度限制的結構位移最小化。也可輸入合適的電壓，在適當的溫度限制範圍內來得到最佳化的撓度位移。

A conventional genetic algorithm (GA) is called simple GA that is a nature optimization algorithm without constraint handling.  Several methods belong to attached strategy where constraints are transformed to a part of pseudo objective function to execute constraint-handling.  From the inspiration of double helix chromosome and its behavior, a constrained GA naturally should contains the ability of handling constraints during the evolutionary process, that is presented in the thesis.  Three operators: recombination, transplantation and mutation, are provided to construct such an evolutionary algorithm to deal with constrained GA.  Numerical examples show that the proposed constrained GA can be satisfied by the verification of  precision, efficiency and robustness. 
Electro-thermal microactuator has been explored in this work for engineering analysis and design.  A satisfying finite element model has been constructed, and then can be utilized for optimum design.  Single-arm and double-arm Electro-thermal microactuator are analyzed and discussed and provided as the design applications for constrained GA optimization.  The feature of the proposed design model includes an extra design variable - voltage, and design constraint of temperature limitation.  To do the suitable temperature control, the optimum input voltage can be obtained in the proposed design method.

目錄
目錄	VI
圖目錄	VIII
表目錄	XI
第一章	緒論	1
1.1	研究動機與目的	2
1.2	文獻回顧	4
1.3	本文架構	6
第二章	雙股螺旋染色體的限制基因演算法	8
2.1	基本基因演算法最佳化	8
2.2	雙股螺旋染色體原理	12
2.3	雙股螺旋染色體的觀念處理限制條件的方法	16
2.4	限制基因演算法最佳化流程	19
2.5	數值例題	25
2.6	結構例題	44
第三章	單臂電熱式微致動器的最佳化	51
3.1	單臂電熱式微致動器有限元分析	52
3.2	單臂電熱式微致動器的有限元最佳化設計	63
3.3	含溫度限制的單臂微致動器最佳化設計	74
第四章	雙臂電熱式微致動器的最佳化	81
4.1	雙臂電熱式微致動器的有限元分析	82
4.2	雙臂電熱式微致動器的有限元最佳化設計	91
4.3	含溫度限制的雙臂微致動器最佳化設計	96
第五章	結論	101
5.1	綜合討論及結論	101
5.2	未來展望	103
參考文獻	105

 
圖目錄
圖2 - 1  基因編碼意示圖	10
圖2 - 2  單條染色體意示圖	11
圖2 - 3  雙股螺旋的染色體	13
圖2 - 4  雙股螺旋的染色體的基因移植	14
圖2 - 5  基因移植後的染色體基因	15
圖2 - 6  設計變數xi表示方式	19
圖2 - 7  設計變數向量X表示方式	19
圖2 - 8  雙股螺旋染色體觀念的限制基因演算法流程圖	24
圖2 - 9  例題一的求解空間圖	27
圖2 - 10	例題一收斂迭代圖	29
圖2 - 11	例題二收斂迭代圖	32
圖2 - 12	例題三收斂迭代圖	35
圖2 - 13	例題四收斂迭代圖	41
圖2 - 14	壓力容器結構示意圖	45
圖2 - 15	壓力容器最佳化收斂迭代圖	46
圖2 - 16	十桿桁架結構圖	48
圖2 - 17	十桿桁架最佳化收斂迭代圖	49
圖3 - 1  單臂電熱式微致動器分析模型	53
圖3 - 2  耦合元素SOLID98(ANSYS Multiphysics)	54
圖3 - 3  模型尺寸圖	56
圖3 - 4  單臂電熱式微致動器建模	56
圖3 - 5  單臂電熱式微致動器網格化	57
圖3 - 6  單臂電熱式微致動器設定邊界條件	58
圖3 - 7	ANSYS分析結果-位移	60
圖3 - 8	ANSYS分析結果-溫度	60
圖3 - 9  電壓與位移曲線圖	61
圖3 - 10	電壓與位移曲線圖(Seyed, 2009)	61
圖3 - 11	電壓與溫度曲線圖	62
圖3 - 12	兩個反對稱的電熱式微致動器	63
圖3 - 13	單臂微致動器最佳設計模型	65
圖3 - 14	電熱式微致動器最佳化流程圖	67
圖3 - 15	可變長寬型的單臂電熱式微致動器模型	70
圖3 - 16	多晶矽粗細臂型單臂微致動器最佳化收斂迭代圖	77
圖3 - 17	單晶矽粗細臂型單臂微致動器最佳化收斂迭代圖	77
圖3 - 18	多晶矽可變長寬型單臂微致動器最佳化收斂迭代圖	80
圖3 - 19	單晶矽可變長寬型單臂微致動器最佳化收斂迭代圖	80
圖4 - 1	雙臂電熱式微致動器分析模型	82
圖4 - 2  雙熱臂電熱式微致動器參數模型圖	83
圖4 - 3  幾何尺寸	84
圖4 - 4  雙臂電熱式微致動器建模	85
圖4 - 5  雙臂電熱式微致動器網格化	86
圖4 - 6  雙臂電熱式微致動器設定邊界條件	87
圖4 - 7  ANSYS分析結果-位移	89
圖4 - 8  ANSYS分析結果-溫度	89
圖4 - 9  電壓與位移曲線圖	90
圖4 - 10	電壓與位移曲線圖(Dong Y, 2008)	90
圖4 - 11	結構設計變數	92
圖4 - 12	多晶矽雙臂微致動器最佳化收斂迭代圖	98
圖4 - 13	單晶矽雙臂微致動器最佳化收斂迭代圖	98

 
表目錄
表2 - 1  基因學與基因演算法的對應	11
表2 - 2  例題一結果比較表	29
表2 - 3  例題二結果比較表	33
表2 - 4	例題三結果比較表	37
表2 - 5	例題四結果比較表	42
表2 - 6  壓力容器最佳化結果比較表	46
表2 - 7	十桿桁架最佳化結果比較表	50
表3 - 1	多晶矽材料性質(Seyed, 2009)	55
表3 - 2	使用之參數值(Seyed, 2009)	56
表3 - 3	單晶矽材料性質(Dong Y, 2008)	62
表3 - 4	設計變數範圍	64
表3 - 5	粗細臂型單臂電熱式微致動器最佳化結果	68
表3 - 6	粗細臂型多晶矽電壓實驗結果表	69
表3 - 7	粗細臂型單晶矽電壓實驗結果表	69
表3 - 8	可變長寬臂型單臂電熱式微致動器最佳化結果	72
表3 - 9	可變長寬臂型多晶矽電壓實驗結果表	72
表3 - 10	可變長寬臂型單晶矽電壓實驗結果表	73
表3 - 11	含溫度限制的粗細臂型單臂微致動器最佳化結果	76
表3 - 12	含溫度限制的可變長寬型單臂微致動器最佳化結果	79
表4 - 1	幾何尺寸表	85
表4 - 2	設計變數範圍	92
表4 - 3	雙臂電熱式微致動器最佳化結果	94
表4 - 4	多晶矽雙臂電熱式微致動器電壓實驗結果表	94
表4 - 5	單晶矽雙臂電熱式微致動器電壓實驗結果表	95
表4 - 6	雙臂電熱式微致動器最佳化結果	99
表4 - 7	單臂與雙臂微致動器的性能比較表(多晶矽)	100
表4 - 8	單臂與雙臂微致動器的性能比較表(單晶矽)	100

[1]	Andrzej, O., Stanislaw, K., 2000, “A New Constraint Tournament Selection Method for Multicriteria Optimization Using Genetic Algorithm” Department of Mechanical Engineering, Cracow University of Technology, pp. 501-508.
[2]	Burns, David M. and Bright, Victor M., 1997, “Design and Performance of A Double Hot Arm Polysilicon Thermal Actuator“, SPIE Vol. 3224, pp. 444-447.
[3]	Carlos A., 2002, “Constraint-Handling in Genetic Algorithms Through the Use of Dominance-based Tournament Selection”, Advanced Engineering Informatics, Vol. 16, pp. 193-203.
[4]	Chronis, N and Lee, L. P., 2005, “Electrothermally Activated SU-8 Microgripper for Single Cell Manipulation in Solution“, IEEE, Microelectromechanical System, Vol. 14, pp. 857-863.
[5]	Coello, C.A.C., 1999, “Self-Adaptive Penalties for GA-Based Optimization”, Evolutionary Computation, Vol. 1, pp. 573-580.
[6]	Deb, K. and Gulati, S., 2001, “Design of Truss-Structures for Minimum Weight Using Genetic Algorithms”, Finite Elements in Analysis and Design, Vol. 37, pp. 447-465.
[7]	Deb, K., 2000, “An Efficient Constraint Handling Method For Genetic Algorithms”, Computer Methods in Applied Mechanics and Engineering, Vol. 186, pp. 331-338.
[8]	Dong Y, Amir K, et al, 2003, “Modeling of Two-Hot-Arm Horizontal Thermal Actuator” DTIP of MEMS&MOEMS 9-11.
[9]	Goldberg, D. E., 1989, “Genetic Algorithms in Search, Optimization, and Machine Learning” Addison-Wesley.
[10]	Hajela, P., and Yoo, J., 1996, “Constraint Handling in Genetic Search Using Expression Strategies”, AIAA Journal, Vol. 34, No. 12, pp. 2414-2420.
[11]	Holland, J. H., 1975, “Adaptation in Natural and Artificial Systems” University of Michigan Press.
[12]	K, Deb., 1997, “A Robust Optimal Design Technique for Mechanical Component Design”, Evolutionary Algorithms in Engineering Applications, Springer, Berlin, pp. 497–514.
[13]	Katutoshi, K., Takao, T., et al, 1993, “Micron Sized Arm Using Reversible TiNi Alloy Thin Film Actuators” Mat. Res. Soc. Symp. Proc. Vol. 276. 01992.
[14]	Michalewicz, Z. and Schienauer, M. 1996, “Evolutionary Algorithms for Constrained Parameter Optimization Problems”, Evolutionary Computation, Vol.4, No.1, pp.1-32
[15]	Michalewicz, Z., 1995, “Genetic Algorithms, Numerical Optimization and Constraints”, L. Eshelman (Ed.), Proceedings of the Sixth International Conference on Genetic Algorithms, Morgan Kauffman, San Mateo, pp. 151-158.
[16]	Michalewicz, Z., Dasgupta, D., Le Riche, R.G., and Schoenauer, M., 1996, “Evolutionary Algorithms for Constrained Engineering Problems, Computers & Industrial Engineering” Journal, Vol.30, No.2, pp.851-870.
[17]	RAO, S S., 1996, “Engineering Optimization: Theory and Practice”.
[18]	Robert F. Weaver，2003，分子生物學，鍾楊聰等編譯，偉明圖書有限公司。
[19]	Salcedo-Sanz, S., 2009, “A Survey of Repair Methods Used as Constraint Handling Techniques in Evolutionary Algorithms”, Computer Science Review, Vol. 3, pp. 175-192.
[20]	Venkayya, V.B., 1971, “Design of optimum Structures”, Computers and Structures, Vol. 1, pp. 265-309.
[21]	Wu, S J. and Chow, P T., 1995, “Steady-State Genetic Algorithms for Discrete Optimization of Trusses”, Computers & Structures, Vol. 56, pp. 979-991.
[22]	伍秀菁、汪若文及林美吟編輯，2003，微機電系統技術與應用，行政院國家科學委員會精密儀器發展中心。
[23]	安娜 克萊波尼，2005，探索人類的身體 ，光明日報出版社。
[24]	吳洪鑑，2008，電熱式微效動器結構分析與最佳化，逢甲大學機械工程研究所。
[25]	陳丕宇，2002，應用MEMS微型壓力感測器於風洞實驗之研究，成功大學航空太空工程學系碩士班碩士論文。
[26]	楊盛行，2010，應用為分演化法於雙熱臂電熱致動器最佳化設計，大同大學機械工程學系研究所。
[27]	管姿倫，2002，類免疫型生物演算法的最佳結構設計，淡江大學機械與機電工程學系碩士班碩士論文。