改进的遗传算法求解桁架的形状优化

提出将改进的遗传算法用于优化具有离散尺寸、连续形状变量的桁架重量．考虑到离散和连续变量的本质,提出了混合编码方法,其中包括二进制和实数编码,整数和实数编码．采用了凝聚选择法——基于约束和适应度值双重标准,完全适应约束问题的本质．竞争保留最优个体方法延长了优良个体的寿命,使好基因有更大的机会遗传给下一代．算例表明改进的遗传算法是可行且有效的．

改进的遗传算法求解桁架的拓扑优化

提出了一种改进的遗传算法,用于优化具有离散尺寸、连续形状和0-1拓扑变量的桁架问题。考虑到离散和连续变量的本质,文中提出了混合编码方法,其中包括二进制和实数编码,整数和实数编码。本文采用了凝聚选择法-基于约束和适应度值双重标准,完全适应约束问题的本质。在优化过程中,初始种群和算子具有不确定性,因此有必要检验结构拓扑的合理性。为了增强算法的可靠性,采用了改进的重新开始算子,引入新基因并且探索新空间。求解了典型的算例,证明改进的遗传算法是可行且有效的。