离散变量结构形状优化设计的拟满应力遗传算法

为了弥补遗传算法局部寻优能力差的缺点,将拟满应力算法嵌入到遗传算法中构成一种结合二者优点的混合遗传算法,并将该算法应用于离散变量结构形状优化设计问题.将形状设计变量和截面设计变量统一考虑,编码表示在同一染色体中.既解决了两类变量间耦合上的困难,同时也避免了将两类变量分开考虑只能求得局部最优解的问题.算例的结果表明,该方法用于离散变量结构形状优化是有效的.

离散变量结构优化的拟满应力设计方法

本文以满应力设计思想为基础，提出了适用于离散变量结构优化设计计算的拟满应力设计方法。该方法能直接计算具有应力约束和截面尺寸约柬的离散变量结构优化设计问题，也能处理同时具有稳定性约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题。算例结果表明，拟满应力设计方法对于离散变量结构优化计算是非常有效的。

离散变量结构优化设计的拟满应力遗传算法

以力学准则法为基础,提出了一种求解离散变量结构优化设计的拟满应力方法;这种方法能直接求解具有应力约束和几何约束的离散变量结构优化设计问题。通过在遗传算法中定义拟满应力算子,建立了一种离散变量结构优化设计的混合遗传算法拟满应力遗传算法。算例表明:这种混合遗传算法对于离散变量结构优化设计问题具有较高的计算效率。

基于拟满应力遗传算法的桁架结构形状优化设计

以拟满应力法和改进遗传算法为基础,提出了一种可以解决具有连续变量和离散变量的桁架结构形状优化问题的拟满应力遗传算法。该算法既充分利用了遗传算法全局寻优能力强的特点,也发挥了力学准则法局部寻优长处,具有很高的搜索效率。用拟满应力遗传算法解决15杆桁架结构形状优化问题的结果表明,这是一种解决具有连续、离散混合变量的桁架结构优化设计问题的很有效方法。

基于拟满应力设计和遗传算法的网架截面优化方法

通过在遗传算法中嵌入拟满应力算子,提出了一种以网架结构杆件截面作为离散变量的优化设计方法,即基于拟满应力设计和遗传算法的网架截面优化方法。分析结果表明,该法能够提高遗传算法的搜索效率和获得全局最优解的可靠性,对于同时有应力和位移约束的网架等空间结构截面优化问题,这种混合算法有较高的效率。

基于Abaqus的拟满应力设计算法的实现及其应用

为了解决塔机起重臂结构的轻量化设计问题,本文提出了一种离散变量结构拟满应力设计算法的实现方式,以此为基础,利用Python脚本语言对有限元软件Abaqus进行二次开发,形成了专门用于塔机起重臂结构杆件优化选材的计算模块,通过实例分析验证了其有效性,该模块操作简单,相关内置参数依据设计规范选取,可满足工程应用的需要。

离散变量结构形状优化设计的混合遗传算法

通过在遗传算法中嵌入拟满应力算子来增强其局部寻优能力,并将拟满应力遗传算法应用于离散变量结构形状优化设计问题.将形状设计变量和截面设计变量统一编码表示在同一染色体中,既解决了两类变量间耦合上的困难,又避免了将两类变量分开考虑只能求得局部最优解的问题.对混合离散变量问题,对形状变量提出二级搜索策略,即首先在整个搜索区间进行粗粒度搜索,进化后期再将搜索范围缩小至最优解附近,重新编码进行局部细致搜索,从而解决了求解的精度和求解效率间的矛盾.

离散变量桁架结构拓扑优化的混合遗传算法

为了避免结构拓扑优化过程中杆件和节点的增删带来的计算上的麻烦 ,在对桁架结构受力分析的基础上 ,提出一种启发式方法 ,以快速产生符合机动性要求的拓扑结构形式 ;然后在既定的拓扑结构形式下采用混合遗传算法———拟满应力遗传算法进行截面优化。该方法通过在遗传算法中嵌入拟满应力算子 ,同时对基本遗传算法采用最优个体保留、最差个体替换和控制种群个体差异等改进措施 ,有效提高遗传算法求解的效率和质量。算例结果表明 ,该方法用于离散变量桁架结构拓扑优化是有效的。

离散变量桁架结构拓扑优化的杂交算法

为了加快遗传算法的进化过程,提出了遗传算法和拟满应力算法相结合的杂交算法,并将它应用于离散变量桁架结构的拓扑优化问题·在对桁架结构受力分析的基础上,提出一种启发式方法对随机生成的拓扑结构形式作必要修正,以快速产生符合机动性要求的拓扑结构形式·利用遗传算法进行桁架结构拓扑优化,用拟满应力算法进行截面优化,并将截面优化的结果传递给遗传算法作为拓扑优化中遗传操作的根据,这样大大减少单纯用遗传算法进行优化的解空间,从而加快搜索进程·算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的·

离散变量刚架结构拓扑优化设计的一种新方法

以刚架结构为研究对象,提出一种遗传算法和拟满应力算法相结合的杂交算法,来解决离散变量结构拓扑优化设计问题。利用遗传算法进行刚架结构拓扑优化,用拟满应力算法进行截面优化,可充分发挥两种算法各自的优势,从而加快搜索进程。拓扑优化过程中,在对刚架结构受力分析的基础上,设计了一些启发式技术,使得遗传算法的初始种群中含有足够数量的可行个体,同时对遗传操作过程做了一些改进,从而有效地提高了遗传算法求解的效率和质量。

离散变量优化的多峰并行搜索遗传算法

遗传算法是优化设计问题有效方法,但是对于多变量、多约束、多峰搜索空间的优化设计问题,搜索常出现收敛慢或早熟现象,这样,常常导致遗传搜索最终只能找到一个较好的解,而非全局最优解,为寻找全局最优解,这里在多峰附近采取并行的一种优化搜索策略,利用拟满应力设计搜索快、精度高的特点,将遗传算法(GA)和拟满应力设计方法相结合,算法采取分级运算模式:一级是运用遗传算法在多峰搜索空间寻找相对最优解;二级主要是细化调整,在当前搜索状态不增加进化代数的前提下,用拟满应力设计得到尽量优的解。算例表明,算法能在较少的计算量下,得到令人满意的结果。

平面张弦梁结构的优化分析

将BP神经网络引入平面张弦梁结构的优化分析,并针对离散变量结构的拟满应力法加以改进,与遗传算法相结合从而构成一种新型组合优化方法,并将该法应用于平面张弦梁结构算例的优化分析,结果表明了算法有效可靠,最后对算法的计算精度和速度进行了讨论。

张弦梁结构的优化设计方法研究

利用神经网络的强大映射功能,采用拟满应力法分析杆件截面变量的离散性,同时与遗传算法相结合而构成的一种新型组合优化方法,经平面张弦梁结构算例优化分析表明,计算速度快捷、有效可靠且能够满足工程精度要求。