基于关联离散变量的钢框架结构优化设计

本文提出了一种基于“关联离散变量”概念的空间钢框架结构优化方案。利用ABAQUS有限元软件的计算模块及其Python语言接口,编写子程序实现Abaqus二次开发,对空间钢框架进行离散优化设计。本文以空间钢结构总质量为目标函数,构件截面参数为设计变量,在满足结构可靠性的前提下,利用计算机程序快捷、方便地完成了整个优化设计过程,通过求解模型总质量的下限,得到了经济安全的最优设计结果,有效节省了钢材的用量。本文对空间钢框架的结构优化设计具有较好的参考价值,可为实现钢结构性能化设计提供有益的参考,进而推动钢结构设计的智能化和经济化。

基于生物地理学算法的桁架结构优化

针对具有离散变量的桁架结构优化问题,提出了基于生物地理学算法的尺寸、形状与拓扑一体式优化方法。以杆件截面尺寸、结构形状与节点连接形式作为设计变量,以结构质量最小为目标函数,考虑以结构刚度、强度和杆件的稳定性作为约束条件,建立一种基于生物地理学算法的优化模型,采用罚函数法处理约束条件,对平面和空间桁架结构进行布局优化。优化后的桁架杆件排布形式合理且质量最优。

离散变量桁架的形状优化设计

提出了离散截面变量空间桁架形状优化的一个两级算法．在第一级优化中，固定节点的位置，以杆件面积为设计变量，进行离散变量截面优化；在第二级优化中，以节点坐标为设计变量，同时考虑截面变化；形成一系列优化子问题，按目标函数下降方向用Ｆｉｂｏｎａｃｃｉ法搜索出各坐标设计变量的最优变动值，从而形成新的节点位置．两级优化交替进行，直到收敛为止．算例表明本方法简单，收敛平稳，优化效果较好．在算例中讨论了不同的节点坐标初值对优化结果的影响及产生原因．

离散变量桁架结构的布局优化设计

研究了多工况下受应力、位移约束的离散截面变量桁架结构的布局优化问题，提出了一个序列两级算法，在第一级优化中进行形状－截面优化，在第二级优化中进行拓扑优化。两级优化交替进行，最后得到最优的拓扑形式、几何形状和截面积分布。算例表明本法能够得到较好的布局优化结果。

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·

具有动应力和动位移约束的离散变量结构形状优化设计方法

讨论了动应力、动位移约束下离散变量形状优化设计问题。首先用拟静力算法 ,将结构惯性力极值作为静载荷施加到结构上 ,求得结构的动位移和动内力 ,然后将考虑动应力约束和动位移约束的离散变量结构优化设计问题化为静应力和静位移约束的优化问题。在求解过程中 ,将单元内力作了一阶近似 ,并将多约束问题转化为单约束问题 。

微分演化算法在桁架形状优化中的应用

为了获得全局最优和解决具有应力约束、几何约束以及局部稳定性约束的桁架形状优化问题中2类不同设计变量耦合给优化带来的困难,将1种新型智能优化算法——微分演化(Differential Evolution,DE)应用于桁架结构的形状优化问题中。给出了考虑节点坐标和截面面积两类不同性质的设计变量的桁架结构优化的数学模型,并对几个经典的桁架结构进行优化,将所得结果与其他优化算法结果进行了比较。数值结果表明了DE算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的形状优化设计。

两类变量综合处理的结构形状优化设计方法

本文针对截面变量为离散变量为连续变量的结构优化问题提出了一种优化设计的方法，首先将单元内力作了一阶近似，利用凝聚函数将多约束问题转化为单约束问题。在求解过程中，把定义在连续区间上的形状变量看成是在一些离散点取值的离散变量，然后将两类变量统一考虑并利用相对差商法求解。将该算法应用于几个经典的结构优化算例，运算结果显示了该方法是可行的，优化结果也比较满意。

离散变量桁架结构优化设计的组合算法

对桁架结构离散变量的优化没计提出了一种算法。方法主要分三个步骤：（１） 进行局部优化得到各离散变量的下界；（２）采用“二次射线步”找到一个“基点”； （３）在“基点”附近用（０，１）组合规划进行寻优。本方法能够解决局部约束（应 力、稳定以及截面尺寸约束）和整体约束（位移、频率禁区等）问题。本方法是一个 组合算法，在结构重分析之后的优化阶段不需解任何方程，从而节省了机时．针对本 方法，用ＦＯＲＴＲＡＮ－７７ 语言自编了电算程序。通过大量考题的验证，本方法计算 速度快、收敛一致，且优化结果较好。

离散变量结构形状优化设计的综合算法

提出一种离散变量结构形状优化设计的方法，该方法在优化过程中将两类变量统一考虑，根据两类变量的相对差商值确定搜索的变量；并且对形状变量施加了运动极限的限制，从而保证了收敛速度快，收敛平稳；将该算法应用于几个经典的结构优化算例：运算结果显示了该方法计算效率高，优化效果也比较满意．

启发式粒子群优化算法及其在空间结构优化中的应用

介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于"和谐搜索"算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率.

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。

基于蚁群算法的桁架结构布局离散变量优化方法

提出的布局优化方法是将桁架结构的截面变量、拓扑变量及形状变量统一为离散变量。将离散变量转化为适应于蚁群算法求解TSP问题的离散变量,应用MATLAB语言编写求解桁架结构布局优化程序,最终实现对问题的分析与求解。通过对几个经典的平面、空间桁架结构布局优化算例的验算表明:本文设计的基于蚁群算法的桁架结构布局离散变量优化方法较单独处理截面优化、拓扑优化及形状优化问题具有更大的效益,相对于其他布局优化方法也展现出更好的优化效果。"基于蚁群算法的桁架结构布局离散变量优化方法"在程序设计、求解速度、求解空间及其方法通用性等方面都表现出良好的性能,并且简单、实用,适应于实际工程应用。

基于CLPSO算法的混合变量桁架形状优化

为了解决混合变量桁架形状优化问题中离散截面面积和连续节点坐标的变量耦合给优化带来的困难,将一种新型智能优化算法——基于"综合学习策略"的粒子群算法(ComprehensiveLearning Particle SwarmOptimization,CLPSO)应用于桁架混合变量形状优化问题中。给出了考虑离散截面面积和连续节点坐标两类不同性质的设计变量的混合变量桁架结构形状优化的数学模型,并对经典桁架结构进行混合变量的形状优化,将所得结果与其他优化算法结果进行了比较。分析结果表明了该方法进行混合变量桁架形状优化设计的有效性。

行星齿轮减速器的优化设计

以NGW行星齿轮减速器为物理模型,建立了以齿数za、模数m、齿宽b、太阳轮变位系数xa和内齿圈变位系数xb为设计变量,以体积最小为目标,以齿轮的强度要求等作为约束条件的优化设计模型。由于设计变量中的齿数、模数是非均匀的离散变量,齿宽和变位系数为连续变量,提出了连续变量及非均匀离散变量的均匀离散化处理方法,并借鉴离散变量的搜索优化法,在连续变量的复合形法基础上,探讨了一种求解有约束非线性混合离散变量的优化设计问题的方法——混合离散复合形法。结果表明,不仅获得了满意的综合效果,而且所得的结果符合实际要求,是一种具有工程实用价值的设计方法。

离散变量结构优化设计的最优综合效能法

针对结构优化问题的位移约束,引入关键约束的界约参数,提出了结构位移统一约束的缩减形式,从而简化了结构优化模型。根据离散变量结构优化问题的特点,提出了效能系数的概念,它衡量设计变量在离散邻域范围内变化对目标函数与约束函数值的影响,并研究了基于效能系数取值分类的四种主要调整方式。根据结构应力和位移约束的影响区域属性,以综合效能最大化为引导,提出了求解离散变量结构优化问题的最优综合效能法。算例结果显示该算法具有良好的优化效率,可求得问题的最优解或获得历史上的最优记录。

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.

离散变量模糊优化的组合形遗传算法及应用

为解决离散变量结构优化客观追求的应该是"满意解"的问题,提出离散变量模糊优化的模型,构造了离散变量模糊优化的对称解法.把离散组合形算法作为组合形操作算子融合到遗传算法中,构造一种离散变量结构优化算法-组合形遗传算法.在建立的对称模糊优化模型中,利用交模糊判决,将模糊优化问题转化成非模糊优化问题来求解,然后运用组合形遗传算法进行非模糊优化问题的求解.最后通过算例证明该方法具有良好的效果,为工程结构优化设计提供具有参考价值的理论依据.

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.