方钢管混凝土桁架结构优化的拟满内力遗传算法

为解决离散变量方钢管混凝土桁架的结构优化问题,以桁架杆件最低总造价为目标函数,采用拟满内力遗传算法对杆件截面进行结构尺寸优化.拟满内力遗传算法引入拟满内力算法作为遗传算子,并将部分初始种群由拟满内力算法产生以增加种群多样性.对传统遗传算法罚函数进行改进,以增强算法的寻优效率.通过两个算例的对比分析,结果表明运用拟满内力遗传算法进行方钢管混凝土桁架结构优化,相对于拟满内力算法和传统遗传算法其造价分别降低了15%、15%、45%、53%.拟满内力遗传算法进行方钢管混凝土桁架结构优化的是有效、可行的.

工程结构优化设计的改进混合遗传算法

根据工程实际以及规范规定的约束条件和各项技术标准要求,建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现的未成熟收敛、振荡、随机性太大和迭代过程缓慢等问题,采用一种新的遗传算子即单亲遗传算子对遗传算法进行了改进,并提出了离散变量结构优化设计的三等分割算法与遗传算法相结合的混合遗传算法。优化设计结果表明:改进混合遗传算法的收敛特性得到了很好的改善,既具有三等分割算法省时、高效、局部搜索能力强的特点,又具有遗传算法全局性好的特点,是高效、理想的工程结构优化设计方法。

基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定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·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·

改进混合遗传算法在建筑结构优化设计中的应用

针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点,提出引入转基因算子与单亲遗传算子,同时提出一种离散变量结构优化设计的三等分割算法,通过与遗传算法相结合并运用到初始群体形成和进化过程中,使两种算法既可相互独立地运算,又可彼此相互协调、共同作用.根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立离散变量结构优化模型.各种算法的优化结果对比表明,改进混合遗传算法具有省时、高效、局部搜索能力强和全局性好的特点.

引入多级扰动的混合型粒子群优化算法

为解决粒子群优化算法易陷入局部最优值的问题,提出一种引入多级扰动的混合型粒子群优化算法.该算法结合两种经典改进粒子群优化算法的优点,即带惯性参数的标准粒子群优化算法和带收缩因子的粒子群优化算法,在此基础上,引入多级扰动机制:在更新粒子位置时,引入一级扰动,使粒子对解空间的遍历能力得到加强;若优化过程陷入“局部最优”的情况,则引入二级扰动,使得优化过程继续,从而摆脱局部最优值.使用了 6 个测试函数 Sphere 函数、Ackley 函数、Rastrigin 函数、Styblinski-Tang 函数、Duadric 函数及 Rosenbrock 函数来对所提出的混合型粒子群优化算法进行仿真运算和对比验证.模拟运算的结果表明:所提出的混合型粒子群优化算法在对测试函数进行仿真时,其收敛精度和收敛速度都优于另外两种经典的改进粒子群优化算法;另外,在处理多峰函数时,本算法不易被局部最优值所限制.

采用混合遗传算法的建筑结构优化设计

根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立了建筑结构优化模型。并提出一种离散变量结构优化设计的进退搜索算法与标准遗传算法结合成混合遗传算法,既发挥了进退搜索算法高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点。算例结果表明,这种混合遗传算法收敛快、精度高,优于标准遗传算法和进退搜索算法;是兼二者之长,弃二者之短的高效的理想优化方法,可以直接用于多种建筑结构的优化设计。

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。

混合遗传算法在工程结构优化设计中的应用

根据工程实际 ,充分考虑规范规定的约束条件和各项技术标准要求 ,建立了建筑结构优化模型。并提出一种离散变量结构优化设计的斐波那契算法与标准遗传算法结合成混合遗传算法。优化设计结果表明 ,这种混合遗传算法既发挥了斐波那契算法省时、高效、局部搜索能力强的特点 ,又发挥了遗传算法全局性好的特点 ,是兼二者之长 ,弃二者之短的高效的理想的工程结构优化设计方法。

基于遗传算法和梯度算法的一种结构优化混合方法

基于遗传算法和梯度算法,文章提出了一种结构优化的混合方法。算例表明该方法兼具遗传算法的优良全局搜索能力和梯度算法的强大局部搜索的特点,且具有很好的工程适应性。

离散变量结构优化设计的混合遗传算法

针对离散复合形法提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法进一步做了改进,提高了离散复合形法的局部寻优能力,从而构造了一种改进的离散复合形法用于离散变量结构优化设计;对基本遗传算法运用Hamming距离控制种群的个体差异;在适应度计算过程中加入判定因子来减少结构重分析次数;在遗传操作中,对交叉和变异操作做了改进,并把复合形算子嵌入到复制操作中,从而建立了一种离散变量结构优化设计的混合遗传算法。算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的。

基于混合遗传算法的城市土地利用形态与交通结构的组合优化

以出行总时间最小为目标,建立了在一定土地及人口约束下的土地利用形态和交通结构的组合优化模型,在此基础上,针对传统算法的局限性,提出一种新的混合遗传算法.该算法融合了遗传算法、模拟退火算法和动态惩罚函数法的优势,并在求解过程中引入Gray编码和非均匀变异算子.计算实例表明,该算法能够克服传统遗传算法容易过早收敛以及传统模拟退火算法全局搜索能力不足的缺陷,具有较高的运算效率和求解质量.

基于混合智能优化算法的弦支穹顶结构预应力优化

模拟植物生长算法(PGSA)是以植物向光性机理(形态素浓度理论)为启发准则的智能优化新算法,具有高效的搜索能力.本研究对PGSA的基本原理进行分析,指出了不同初始生长点的选取会影响该优化算法能否收敛于全局最优解.由此,为提高模拟植物生长算法的全局搜索能力,引入粒子群算法(PSO),提出了新的混合策略(PGSA-PSO混合智能优化算法):先基于粒子群算法的高鲁棒性初选优秀的初始生长点,再基于模拟植物生长算法的高效搜索能力得到最终的全局最优解.算例表明,该混合策略可有效提高模拟植物生长算法的全局搜索能力.最后,利用该混合策略对典型的弦支穹顶结构预应力优化问题进行分析.结果表明,此混合智能优化算法的优化效果显著,在结构优化问题中具有较好的可行性和有效性.

一种混合遗传算法在压电智能结构振动控制全局优化设计中的应用

本文针对采用压电作动器／传感器的智能结构，研究了振动控制中作动器／传动器的配置以及反馈增益的全局优化设计问题。根据目标函数的特点，提出了一种与梯度下降法相结合的浮点数编码的混合遗传算法，并融合设计了排序选择、自适应交叉变异等一些简单且优良的遗传操作，它能快速有效地解决全局优化问题。通过对一个智能板结构的算例，证明了该方法的可行性和优越性，该方法可以进一步应用于更为复杂的工程优化问题中。

离散变量桁架结构拓扑优化设计的混合算法

将相对差商法和混沌优化结合起来,形成求解离散变量桁架结构拓扑优化设计的混合算法。利用相对差商法可以对离散变量快速寻优的特点,及混沌变量的全局遍历性,可以有效地跳出局部最优解,达到拓扑优化全局寻优的目的。通过采用和准最优解的对比及几何稳定性的判断等辅助性技术,降低了重分析次数。同时,高效的重分析方法的结合,提高了求解的效率,也避免了拓扑优化问题中求解的一些困难。算例表明,该算法对于离散变量的拓扑优化设计问题是快速有效的。

用改进粒子群神经网络混合算法优化特高压油气套管均压球结构

在我国特高压(ultra-high voltage,UHV)油气套管样机的试制过程中,套管尾部电场分布和均压球结构的优化是一项重要的研究内容。为此,详细介绍了改进粒子群神经网络混合算法(PSO-BP算法)的基本原理和流程,运用连续显式函数验证了该算法的寻优能力和准确度;并运用该算法对套管尾部均压球结构进行了优化。研究表明:PSO-BP算法能较准确地搜寻到显式函数的极值点,具有较强的挑出局部最优解的能力;需用套管3维全模型才能较准确地计算得出套管尾部的电场分布;PSO-BP算法能有效搜寻到均压球结构参数的最佳配置;优化后均压球表面的最大电场强度较优化前降低了约64.9%,且PSO-BP算法较传统PSO算法可节省约75.2%的计算时间。该研究结果已成功运用于特高压油气套管样机的试制并完成了全部型式试验。

船舶结构混合变量优化的遗传算法

本文针对船舶结构优化设计中普遍存在的混合离散变量现象，对遗传算法进行了若干探讨和改进，以直接获得实用的最优解。通过两个船舶结构优化的算例，验证了本文方法的有效性。

混合算法在轻钢结构优化设计中的应用

结合粒子群优化(PSO)算法快速的全局收敛性和蚁群优化(ACO)算法较强的寻优能力,提出了一种融合PSO算法和ACO算法的混合算法。首先利用PSO算法较强的全局搜索能力,产生各粒子的最优位置值;然后对ACO算法的蚂蚁总个数进行调整,在保证算法全局搜索能力的同时,避免陷入局部最优;最后利用改进的ACO算法对最优位置值做进一步优化。将该混合算法应用于轻钢结构优化设计中,建立优化设计模型。以轻钢门式框架为例,利用该模型进行优化分析,并与文献[11]中改进模拟退火算法的优化结果进行对比。结果表明,混合算法经过61次迭代后能够求出较好的全局最优解,合理可行。

离散变量结构优化设计的混合遗传算法

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适用性广 。

混合离散变量结构优化的遗传算法

提出了混合离散变量结构优化的遗传算法，给出了离散变量结构优化的算例。算例结果表明算法是有效的。

工程结构优化设计的混合遗传算法

根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立了工程结构优化设计模型。为了改善遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点,提出一种离散变量结构优化设计的三等分割算法,并与标准遗传算法结合成混合遗传算法。对25杆框架结构优化设计,结果表明,这种混合遗传算法的收敛特性得到很好的改善,即发挥了三等分割算法省时、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点,是有效的工程结构优化设计方法。