小生境遺傳算法離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)

遺傳算法在結(jié)構(gòu)離散變量優(yōu)化中的應(yīng)用——利用遺傳算法的基本原理，提出了結(jié)構(gòu)離散變量優(yōu)化設(shè)計(jì)的全局算法。該方法模擬生物遺傳進(jìn)化的過程進(jìn)行優(yōu)化求解，解決了離散變量的優(yōu)化問題，對于多峰值函數(shù)、不可導(dǎo)的函數(shù)能以較大的概率求得全局最優(yōu)解。通過實(shí)例證明了該...

粒子群優(yōu)化算法在離散變量結(jié)構(gòu)優(yōu)化中的應(yīng)用——介紹了用于離散變量的粒子群優(yōu)化(pso)算法以及加入了約束處理的啟發(fā)式粒子群優(yōu)化(hpso)算法。將hpso算法的約束處理策略與另一種適用于粒子群算法的約束處理方法結(jié)合，并將改進(jìn)后的算法應(yīng)用到3個(gè)離散變量桁架結(jié)構(gòu)截...

整體穩(wěn)定約束下離散變量的結(jié)構(gòu)優(yōu)化設(shè)計(jì)——討論了離散變量結(jié)構(gòu)在應(yīng)力，位移與整體穩(wěn)定性約束下的結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題，討論了梯度方向的計(jì)算方法并采用梯度方向法求解該問題，得到了滿意的結(jié)果?！　?/p>

提出一種基于小生境免疫遺傳算法的多級序列優(yōu)化方法,并解決硅鋼片優(yōu)化排樣問題。以免疫算法為基礎(chǔ),通過遺傳算法進(jìn)化抗體群,利用小生境技術(shù)保持抗體群的多樣性。遺傳算子和免疫記憶策略加快了優(yōu)良個(gè)體的產(chǎn)生,提高了算法的收斂速度。共享機(jī)制和克隆抑制策略提高了算法的全局搜索能力,有效地避免早熟收斂現(xiàn)象。實(shí)際生產(chǎn)數(shù)據(jù)排樣結(jié)果表明,該算法是有效、可行的。

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時(shí)、高效、局部搜索能力強(qiáng)的特點(diǎn),又發(fā)揮了遺傳算法全局性好的特點(diǎn)。算例結(jié)果表明,該方法能直接計(jì)算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題,也能處理同時(shí)具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題。這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計(jì)方法。

通過對遺傳算法的二進(jìn)制編碼和實(shí)數(shù)編碼的機(jī)理分析,結(jié)合2種編碼的優(yōu)點(diǎn),從工程結(jié)構(gòu)優(yōu)化實(shí)際問題出發(fā),提出了一種可以任意控制離散度的改進(jìn)實(shí)數(shù)編碼遺傳算法.該算法利用實(shí)際工程結(jié)構(gòu)問題中對尺寸設(shè)計(jì)變量精度要求的放松,在編碼過程中加上\"隱約束\

針對簡單遺傳算法中的線性適應(yīng)度、恒定交叉與變異概率等不能動(dòng)態(tài)地適應(yīng)整個(gè)尋優(yōu)過程,提出采用非線性適應(yīng)度與自適應(yīng)交叉、變異概率的改進(jìn)遺傳算法。以典型的遺傳算法測試函數(shù)驗(yàn)證改進(jìn)遺傳算法的有效性與可行性,最后將改進(jìn)遺傳算法用于離散變量桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì),計(jì)算結(jié)果表明改進(jìn)遺傳算法是可行、有效的。

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時(shí)、高效、局部搜索能力強(qiáng)的特點(diǎn),又發(fā)揮了遺傳算法全局性好的特點(diǎn).算例結(jié)果表明,該方法能直接計(jì)算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題,也能處理同時(shí)具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題.這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計(jì)方法.

針對標(biāo)準(zhǔn)遺傳算法在迭代過程中經(jīng)常出現(xiàn)未成熟收斂、發(fā)生振蕩、隨機(jī)性太大等缺點(diǎn),提出一種新的遺傳算子轉(zhuǎn)基因算子,用于對標(biāo)準(zhǔn)遺傳算法的改進(jìn)·這種轉(zhuǎn)基因算子有效地利用了計(jì)算適應(yīng)度的信息,很好地保護(hù)了最優(yōu)個(gè)體,并能提高群體中個(gè)體的適應(yīng)度·包含轉(zhuǎn)基因算子的改進(jìn)遺傳算法能直接計(jì)算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題,也能處理同時(shí)具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題·算例結(jié)果表明,改進(jìn)遺傳算法的收斂特性和優(yōu)化設(shè)計(jì)結(jié)果遠(yuǎn)好于標(biāo)準(zhǔn)遺傳算法,是一種理想的建筑結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法·

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時(shí)、高效、局部搜索能力強(qiáng)的特點(diǎn),又發(fā)揮了遺傳算法全局性好的特點(diǎn)·算例結(jié)果表明,該方法能直接計(jì)算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題,也能處理同時(shí)具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題·這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計(jì)方法·

首先給出了離散變量結(jié)構(gòu)的數(shù)學(xué)優(yōu)化模型,提出了子空間搜索的單親遺傳算法,并給出了兩個(gè)減少計(jì)算量的策略。通過兩個(gè)結(jié)構(gòu)優(yōu)化的算例表明,文章算法收斂速度快、收斂平穩(wěn),為離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)提供了一種借鑒方法。

基于遺傳算法的排樁支護(hù)結(jié)構(gòu)優(yōu)化設(shè)計(jì)——基于自然選擇和自然基因機(jī)制的遺傳算法是當(dāng)前處理復(fù)雜非線性模型的一種新的優(yōu)秀方法。為此，文章建立了懸臂式排樁這一基坑支護(hù)結(jié)構(gòu)形式的數(shù)學(xué)模型，并運(yùn)用改進(jìn)遺傳算法對設(shè)計(jì)參數(shù)進(jìn)行優(yōu)化調(diào)整；結(jié)合以實(shí)際工程資料為背景...

針對遺傳算法在迭代過程中經(jīng)常出現(xiàn)未成熟收斂、振蕩、隨機(jī)性太大和迭代過程緩慢等缺點(diǎn),提出引入轉(zhuǎn)基因算子與單親遺傳算子,同時(shí)提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的三等分割算法,通過與遺傳算法相結(jié)合并運(yùn)用到初始群體形成和進(jìn)化過程中,使兩種算法既可相互獨(dú)立地運(yùn)算,又可彼此相互協(xié)調(diào)、共同作用.根據(jù)工程實(shí)際,充分考慮規(guī)范規(guī)定的約束條件和各項(xiàng)技術(shù)標(biāo)準(zhǔn)要求,建立離散變量結(jié)構(gòu)優(yōu)化模型.各種算法的優(yōu)化結(jié)果對比表明,改進(jìn)混合遺傳算法具有省時(shí)、高效、局部搜索能力強(qiáng)和全局性好的特點(diǎn).

將微種群遺傳算法與基于啟發(fā)式模式移動(dòng)的局部尋優(yōu)方法和aitkenδ~2加速策略相結(jié)合,給出了一種加速微種群遺傳算法.算法中利用aitkenδ~2加速策略改進(jìn)當(dāng)前種群,利用基于啟發(fā)式模式移動(dòng)的局部尋優(yōu)方法改進(jìn)子代群體.利用3個(gè)數(shù)值優(yōu)化算例測試了算法的性能,表明本文算法具有較好的收斂性和計(jì)算效率.最后將其用于桁架結(jié)構(gòu)截面優(yōu)化設(shè)計(jì),10桿平面桁架和25桿空間桁架的優(yōu)化結(jié)果表明,本文算法的計(jì)算精度和計(jì)算工作量均優(yōu)于傳統(tǒng)的遺傳算法.

在軟土地基加筋路堤穩(wěn)定性分析方法中,傳統(tǒng)分析方法(如瑞典法和荷蘭法)因?qū)咏畈牧系募咏钭饔霉烙?jì)不足,導(dǎo)致計(jì)算結(jié)果過于保守,與實(shí)際不符。本文在充分考慮加筋體的加筋作用下,提出了新的加筋路堤穩(wěn)定性分析計(jì)算方法,并采用小生境遺傳算法搜索臨界滑動(dòng)面和最小安全系數(shù)。算例計(jì)算結(jié)果表明,本文提出的加筋路堤穩(wěn)定性分析方法與工程實(shí)際情況吻合較好,并且小生境遺傳算法能有效地搜索到邊坡所有的臨界滑動(dòng)面。

針對工程中大量存在的設(shè)計(jì)變量為離散型和連續(xù)型的混合離散變量的情況,探討了一種優(yōu)化設(shè)計(jì)問題的方法———混合離散復(fù)合形法。該算法可用于工程結(jié)構(gòu)優(yōu)化設(shè)計(jì)中,其結(jié)果不需圓整,解題可靠性和效率大大提高。

傳統(tǒng)建筑景觀的設(shè)計(jì)往往存在直視效果差、居民滿意度較低的問題,并且其在綠色環(huán)保方面的設(shè)計(jì)也存在不合理之處,因此,該文提出一種基于小生境遺傳算法的綠色建筑景觀空間環(huán)境優(yōu)化設(shè)計(jì)方案.根據(jù)小生境遺傳算法對建筑景觀尺寸的多目標(biāo)進(jìn)行優(yōu)化,優(yōu)化的目標(biāo)包括建筑的成本以及綠化帶等公共設(shè)施.結(jié)果表明,提出的方案能夠優(yōu)化建筑景觀環(huán)境,居民的滿意度有所提高.

在工程結(jié)構(gòu)的優(yōu)化設(shè)計(jì)中，遺傳算法已逐步得到應(yīng)用；本文采取一種新的染色體編碼方式，將遺傳算法應(yīng)用到水工結(jié)構(gòu)的優(yōu)化設(shè)計(jì)中，重力壩的計(jì)算結(jié)果驗(yàn)證了遺傳算法的可行性與有效性。

基于遺傳算法的多層密肋壁板結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法研究——鑒于目前密肋壁板結(jié)構(gòu)的優(yōu)化設(shè)計(jì)研究仍處于構(gòu)件階段，在課題組前期研究的基礎(chǔ)上，針對多層密肋壁板結(jié)構(gòu)，進(jìn)行了以造價(jià)最小為目標(biāo)的優(yōu)化設(shè)計(jì)方法研究：提出了結(jié)構(gòu)的優(yōu)化設(shè)計(jì)原理；建立了密肋復(fù)合墻體造價(jià)優(yōu)化...

針對傳統(tǒng)遺傳算法存在容易過早收斂、尋優(yōu)效率較低、精度不高等缺點(diǎn),從適應(yīng)度值函數(shù)標(biāo)定和群體多樣化兩方面對傳統(tǒng)遺傳算法進(jìn)行了改進(jìn),避免了傳統(tǒng)遺傳算法過早陷入局部最優(yōu)解,拓寬了尋優(yōu)空間;將改進(jìn)的遺傳算法應(yīng)用于建筑結(jié)構(gòu)優(yōu)化設(shè)計(jì)中,通過建立以質(zhì)量最小為目標(biāo)的優(yōu)化數(shù)學(xué)模型,解決具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化問題,并對改進(jìn)型遺傳算法進(jìn)行優(yōu)化設(shè)計(jì)結(jié)果比較;結(jié)果表明,改進(jìn)型遺傳算法演化代數(shù)低于標(biāo)準(zhǔn)遺傳算法,收斂性能明顯更佳,提高了遺傳算法在結(jié)構(gòu)優(yōu)化應(yīng)用方面的計(jì)算速度和優(yōu)化效果.

選取自適應(yīng)交叉和變異算子、最優(yōu)個(gè)體保留策略、＂精英＂競爭策略對遺傳算法的遺傳過程進(jìn)行改進(jìn)。通過常規(guī)設(shè)計(jì)法、基本遺傳算法和改進(jìn)遺傳算法在框架結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用對比,證明改進(jìn)的遺傳算法是切實(shí)可行的。算例的結(jié)果表明：改進(jìn)遺傳算法優(yōu)化后結(jié)構(gòu)總造價(jià)比常規(guī)設(shè)計(jì)法降低了26.08%,比基本遺傳算法降低了2.13%,優(yōu)化效果明顯。

綜合利用有限元法、正交試驗(yàn)法、bp神經(jīng)網(wǎng)絡(luò)以及遺傳算法對大重型數(shù)控轉(zhuǎn)臺的花盤結(jié)構(gòu)系統(tǒng)進(jìn)行優(yōu)化研究。首先對花盤結(jié)構(gòu)系統(tǒng)進(jìn)行諧響應(yīng)動(dòng)力學(xué)分析,找出對結(jié)構(gòu)動(dòng)態(tài)特性影響最大的模態(tài)頻率,并確定bp神經(jīng)網(wǎng)絡(luò)的輸入變量,然后利用正交試驗(yàn)法和有限元分析法確定出bp神經(jīng)網(wǎng)絡(luò)樣本點(diǎn)數(shù)據(jù),建立反映花盤結(jié)構(gòu)特性的bp神經(jīng)網(wǎng)絡(luò)模型,最后利用遺傳算法對建立的bp神經(jīng)網(wǎng)絡(luò)優(yōu)化。仿真結(jié)果表明,花盤第一階固有頻率提高15.5%,其自重降低9.8%。