增广拉格朗日子集模拟优化方法

传统的工程结构优化设计方法在求解多设计变量、多约束条件的结构优化设计问题时,存在诸多不足,针对上述问题,基于增广拉格朗日约束处理方法和子集模拟优化方法发展一种新的结构优化设计方法——增广拉格朗日子集模拟优化方法(ALSSO)。该方法首先利用拉格朗日乘子法处理多重约束条件,然后利用子集模拟优化方法对转化后的无约束优化问题进行求解;对罚函数因子的更新方法进行改进,以保证收敛过程的稳定性;利用两个算例对该方法的计算精度、稳健性以及计算效率进行验证,并与其他优化方法进行对比。结果表明:增广拉格朗日子集模拟优化方法具有非常优秀的寻优性能。

基于不同MCMC抽样子集模拟的模型修正方法对比研究

子集模拟方法作为结构可靠度分析方法,也可应用于工程优化问题,诸如优化设计、模型修正等.为研究基于不同蒙特卡洛马尔可夫链(MonteCarloMarkovChain,MCMC)抽样的子集模拟优化方法(Subset Simulation Optimization,SSO),以有限元模型修正作为优化背景问题,开展其精度和效率的对比研究.介绍标准SSO和子集模拟(Subset Simulation,SS)常见的MCMC抽样方法,并基于上述不同MCMC抽样的SSO开展某局部损伤悬臂梁(10维变量)的有限元模型修正,修正结果与基于遗传算法(Genetic Algorithm,GA)的模型修正方法进行对比;而后将上述不同MCMC抽样的SSO修正方法应用于某四层钢框架有限元模型修正中(11维变量).结果表明,采用随机游走的延迟拒绝修正M-H方法(MMH algorithm with Delayed Rejection,MMHDR)和自适应条件抽样方法(Adaptive Conditional Sampling,ACS)的SSO有限元模型修正具有较好的精度和效率,在工程结构有限元模型修正中更具优势.