连续体结构的变密度拓扑优化方法研究

为了实现使连续体结构的体积约束和柔顺度最小的拓扑优化及解决采用经典变密度法引起的结构优化结果存在如灰度单元、棋盘格等数值不稳定问题,提出了一种新的拓扑优化方法。首先,采用改进的固体各向同性材料惩罚法作为材料插值方案,建立结构拓扑优化模型;其次,通过引入基于高斯权重函数的敏度过滤法和设计新灰度单元抑制算子来解决数值不稳定问题;最后,借助优化准则法求解优化模型。通过算例分析可知:新策略可以改进拓扑优化方法;新的拓扑优化方法具有收敛速度较快、能更好地获取柔顺度小且拓扑构型好的优化结构和抑制灰度单元产生等优势。研究结果为其他连续体结构的拓扑优化研究提供了新思路。

基于蜂群遗传算法的0-1背包问题

针对0-1背包问题,本文提出了基于蜂群遗传算法的优化求解方案。该算法包括两个种群,一个主要用于全局搜索,另一个主要用于局部搜索;每个个体采用二进制编码;采用最优个体交叉策略;对当前解的处理措施是将还未装入背包且性价比最好的物品装进背包,直至不能装为止;不符合约束条件的解采用诱变因子指导变异处理;遗传算子包括单点交叉算子、简单变异算子、主动进化算子和抑制算子。本算法充分发挥了遗传算法的群体搜索和全局收敛的特性,快速地并行搜索,有效地克服了经典遗传算法容易陷入局部最优问题。数值实验表明,该算法在求解0-1背包问题中取得了较好的效果,同样可以应用于其它的组合优化问题。

基于蜂群遗传算法的一维优化下料问题

针对一维下料优化问题,提出了基于蜂群遗传算法的优化求解方案。具体做法是,以实数表示的各零件长度的一个排列作为一个染色体,其中每个零件的长度作为基因;根据自然界蜂群生物学原理设置了两个种群,一个种群主要用于全局搜索,另一个种群主要用于局部搜索;采用最优个体交叉策略;遗传算子包括联赛选择算子,顺序交叉算子,2-交换变异算子和抑制算子。仿真实验结果表明,该算法逼近理论最优值,而且收敛速度快,较好地解决了一维下料问题。

蜂群遗传算法在一维下料问题中的应用

针对一维下料优化问题,根据企业的实际生产情况,考虑能够满足和不满足生产两种情况,建立一个新的优化模型,并使用蜂群遗传算法求解方案。用各零件长度的一个排列作为一个染色体,每个零件的长度作为染色体的一个基因,根据蜂群原理设置两个不同的种群,种群1用于全局搜索,种群2用于局部搜索。实验结果表明,该模型具有一定的实用价值。

多蜂群进化遗传算法

提出一种多蜂群进化型遗传算法。在该算法中,种群的最优个体作为蜂王与被选的每个个体(雄蜂),以概率进行交叉操作,增强了对种群最优个体所包含信息的开采能力。为避免算法早熟,被选雄蜂部分来自于其他蜂群,同时引入蜂王对其他蜜蜂的抑制机制,以提高蜂群的生物多样性。实验结果表明,多蜂群进化遗传算法是一种提高遗传算法性能的有效改进算法。