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。

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.

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。

基于一维搜索算法的张弦桁架离散变量优化

本文采用Matlab语言编写张弦桁架结构模型程序,对张弦桁架在各荷载工况下的受力性能进行了分析;首先采用Matlab语言编写了张弦桁架结构各种约束条件程序,同时编写了基于离散变量的张弦桁架优化设计程序,采用基于离散变量的一维搜索优化算法对拟定的张弦桁架计算模型进行了优化,优化结果表明基于离散变量的一维搜索优化算法,由于目标函数和约束函数的单调性质,得到的解显然是最优解,而且优化结果可以直接应用于结构实际设计。最后,在确保编写的离散变量优化程序正确的前提下,对不同矢高的张弦桁架结构进行了离散变量优化设计,得出了最优矢高结论。

粒子群优化算法在离散变量结构优化中的应用

介绍了用于离散变量的粒子群优化(PSO)算法以及加入了约束处理的启发式粒子群优化(HPSO)算法。将HPSO算法的约束处理策略与另一种适用于粒子群算法的约束处理方法结合,并将改进后的算法应用到3个离散变量桁架结构截面优化设计算例中,同时与HPSO算法进行了对比分析。对于每个算例,改进算法和HPSO算法都运行了多次,从多次运行的统计数据中可以看出,改进算法比HPSO算法更稳定、收敛速度更快、搜索精度更高,且其约束处理方法减少了结构分析的次数,从而提高了整个程序运行的速度。

离散变量结构优化的改进组合型遗传算法

对离散组合型法进行改进,提出了一种新的初始点产生办法,提高了离散组合型法的局部寻优能力.把离散组合型算法作为组合型操作算子融合到遗传算法中,构造一种新的离散变量结构优化算法-组合型遗传算法.运用模拟退火技术构造惩罚函数来改造适值函数,使算法更稳定地收敛于全局可行最优解.与基本遗传算法和组合型算法的计算结果比较证明,改进的组合型遗传算法具有局部搜索快和全局性好的双重特点,是可行且有效的离散变量结构优化设计方法.

异型网架结构分级优化方法及其工程应用

异型网架结构具有受力复杂、形体变化大和结构参数相关性强等特点,导致该类结构的优化分析一直是研究的难点。从异型网架结构的几何特征和受力特点出发,以异型网架结构重量最轻为优化目标,提出适合于异型网架结构的分级优化模型,即第一级基于网架结构的局部约束,进行满足杆件强度和稳定的截面优化;第二级基于网架结构的整体约束,完成结构位移和整体稳定等优化。将离散变量优化和相对差商法进行结合,给出了适应于异型网架结构分级优化的计算方法。基于上述研究成果,应用ANSYS软件及其参数化语言,编制了异型网架结构的分级优化程序。以某实际工程为研究对象,通过与网架设计通用软件MST的计算结果比较,表明并验证了该文异型网架结构分级优化方法的有效性和实用性。

基于粒子群-布谷鸟搜索算法的桁架结构优化设计

为进一步提高布谷鸟搜索(Cuckoo Search,CS)算法在桁架结构优化设计中的适应性能,克服CS算法搜索新解过程相对盲目、速度慢、精度低的缺点,把粒子群(PSO)算法中粒子位置更新思想引入到CS算法中,并将粒子群-布谷鸟搜索(PSO-CS)算法应用于桁架结构尺寸优化设计.以10杆经典桁架为例,在满足应力约束、位移约束的条件下,对桁架结构进行尺寸连续设计变量和离散设计变量最优化设计,并与其他优化算法的结果进行对比.数值算例结果表明,PSO-CS算法具有收敛速度快、精度高、稳定性好的特点,可以有效地解决桁架结构尺寸优化问题.

改进的群搜索优化算法在桁架结构形状优化设计中的应用

介绍了两种改进的群搜索优化算法IGSO(Improved Group Search Optimizer)——快速群搜索优化算法QGSO(Quick Group Search Optimizer)与快速被动群搜索优化算法QGSOPC(Quick Group Search Optimizer with Passive Congregation),并应用于离散变量桁架结构形状优化设计,包括平面和空间桁架结构.几个实例计算结果表明两种改进的群搜索优化算法(QGSO与QGSOPC)与GSO算法及已有文献方法相比具有较好的收敛精度和较快的收敛速度,只需较少的迭代次数就能寻找到最优解,并且QGSO与QGSOPC算法程序语句比GSO算法程序语句简略得多,易于编程实现,可应用于工程结构的优化设计.

基于离散变量的大跨度钢桁架网壳优化设计

以大型通用有限元软件ANSYS为运行环境,以杆件截面为设计变量,以工程造价为目标函数,采用基于离散变量的满应力法中的应力比法对大跨度空间网架结构进行截面优化设计。同时考虑网架结构的强度、刚度、稳定性、杆件截面尺寸等约束条件。采用FORTRAN语言编制网架优化程序与ANSYS接口。以某煤炭工业厂房的大跨度空间筒壳结构为工程实例,对其进行优化设计,取得了较明显的效果。

蜂群算法在离散变量结构优化设计中的应用

基于二进制编码将设计变量与其离散取值进行空间映射,随机产生个体并形成初始群体,采取基因突变方法在其邻域范围内产生新食物源,构建了适用于求解离散变量结构优化设计问题的改进蜂群算法。以求解多模测试函数极值问题验证了改进蜂群算法的可行性。通过三杆桁架结构优化设计演示了改进蜂群算法在离散变量优化设计中的应用,优化结果与传统结构优化设计结果相比较,表明改进蜂群算法的有效性。运用蜂群算法求解十杆超静定桁架结构优化问题,计算结果表明改进蜂群算法求解离散变量结构优化问题是可行、有效的。

混合变量桁架结构的拟分层遗传算法优化设计

混合变量桁架结构形状优化中采用并行计算思想,在单台计算机上实现了一种类似分层遗传算法的拟分层遗传算法。该算法能够产生更加平等的竞争机会,提供更多的优良个体,提高了种群多样性,同时不用人为的控制信息交换,再加上多层分级控制,一定程度上避免了标准遗传算法容易出现的"早熟"现象,加快了收敛速度,具有很高的搜索效率。用拟分层遗传算法解决25空间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。