基础隔震结构的系统参数优化设计

目的为了改善基础隔震结构的减震效果，实现基础隔震结构设计的可靠性和有效性。得到基础隔震结构的系统优化参数．方法建立了基础隔震结构的动力分析模型，推导出其运动微分方程；对标准遗传算法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进行改善，提出了改进混合遗传算法；建立基础隔震结构系统参数优化设计模型，使用改进混合遗传算法对7层LRB隔震结构的系统参数进行优化设计，结果优化后。LRB隔震结构的相对加速度峰值、相对速度峰值、相对位移峰值和层间剪力峰值分别比优化前有不同程度的降低．结论工程实例计算结果表明改进混合遗传算法对基础隔震结构的系统参数优化效果比较理想，基础隔震结构的各项地震反应均得到了更好地控制．     

智能隔震结构振动控制及其优化设计

目的为改善铅芯橡胶支座（LRB）隔震结构的减震效果和适用范围，并确定结构的优化参数和控制装置优化布局．方法提出3种磁流变阻尼器（MRD）与LRB混合方案，形成智能隔震结构。建立其动力分析模型，对7层智能隔震结构进行地震反应分析．结果3种混合方案的相对加速度峰值、相对速度峰值、相对位移峰值和层问剪力峰值分别比LRB隔震结构有不同程度的降低．建立智能隔震结构的优化设计模型，对混合方案3进行优化设计，各项地震反应均得到更好地控制．结论IHGA对智能隔震结构的参数和控制装置布局优化设计是有效的     

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，具计算效率高。     

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。     

双向耦合地震作用下的混合控制结构研究

目的 为了改善滑移隔震结构的减震效果和适用范围，研究双向耦合地震作用对控振结构的影响．方法 提出3种磁流变阻尼器（MRD）与滑移隔震混合方案，建立了双向耦合地震作用下MRD与滑移隔震混合控制结构的动力分析模型。推导出其运动微分方程，采用瞬时最优控制算法对6层MRD与滑移隔震混合控制结构进行地震反应分析．结果 MRD与滑移隔震混合结构的3种混合方案在3种工况荷载作用下的相对加速度峰值、相对速度峰值、相对位移峰值和层间剪力峰值分别比3种工况下的滑移隔震结构有不同程度的降低．结论当考虑竖向地震作用存在时，随着竖向地震作用的加大，结构的地震反应有小幅度地增加，但各种结构方案都具有良好地减振效果。各混合方案在各种工况下的各种地震反应均得到了更好地控制，而混合方案3的控制效果更加明显。     

斜拉输水结构优化算法研究

文［１］在分析科拉输水结构特点的基础上、建立了该结构较为合理可行的优化数学模型。本文在文［１］的基础上，使用改进的复合形法对该结构进行了优化设计的初步研究，并使用座标轮换法对复形法进行了校核对比．编制了优化算法的ＦＯＲ－ＴＲＡＮ语言程序，通过算例证明在一定条件下进行斜拉输水结构布局优化设计是可能的。本文的研究成果，为这种复杂结构的方案选择提供了一定的理论根据。     

离散变量结构优化设计方法的研究进展与展望

回顾了离散变量结构优化方法的发展历史、研究进程，对离散变量优化设计方法做出分类，阐述了近年来离散变量结构优化设计方法的发展、现状及新进展，尤其对遗传算法、混合遗传算法、相对差商法、模拟退火法、禁忌搜索法进行了详细地总结，介绍了一些国内外知名学者最新的研究成果，并根据离散变量结构优化设计问题的特征，对离散变量结构优化设计方法的研究方向的发展提出展望。     

基于改进粒子群优化算法的钢框架抗震优化设计

为进行钢框架结构抗震优化设计,首先构建基于Push-over抗震分析方法、以结构顶层位移和层间位移角为性能指标的抗震优化模型;选择从惯性权重取值、速度更新方式和位置更新方式等方面改进的粒子群算法对构建好的结构模型进行优化;对一榀三层四跨钢框架模型算例进行优化求解,并与标准粒子群算法、蚁群算法和遗传算法的求解结果进行比较。结果表明:改进后的粒子群算法稳定性良好且求解质量更优,可应用于钢框架抗震优化设计。     

利用GEK代理模型的天线快速多目标优化设计

传统方法进行天线优化设计主要利用经典优化算法调用电磁仿真软件,在求解复杂天线的多目标优化问题时效率不理想．针对该问题,在多梯度下降算法中引入遗传算子,提出了一种高效的全局多目标优化算法--混合遗传算子多梯度下降算法．该算法调用梯度增强型克里金模型进行天线优化．梯度增强型克里金模型建模所需的样本规模小、时间短,并且避免了电磁仿真软件的反复计算．利用该算法优化加载各向异性Ⅰ型周期结构覆层的警用超短波宽带单极子天线和某型直升机机载专用通信系统天线及其抗干扰阵列,在达到相同优化效果时,所需的模型仿真次数为利用改进的非支配排序遗传算法调用电磁仿真软件进行优化的10.30％和18.96％,验证了该优化算法的高效性．     

基于MGA的全终端网络可靠性优化设计

为了改善传统方法和基本遗传算法在求解全终端网络可靠性优化设计问题中得到的解的质量,分析了全终端网络可靠性优化设计问题和基本遗传算法实现原理,从用户角度出发,建立了一种新的在成本上限约束下极大化网络可靠度的数学模型.针对该模型,设计了一种具有较强局部搜索能力的混合遗传算法,并对其进行了优化求解.计算机仿真实例表明,混合遗传算法在解决此类问题上较基本遗传算法更为有效,能够得到较为满意的优化结果.     

应用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。     

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。     

一种改进的遗传算法及其应用

遗传算法由于其隐合并行性和全局搜索特性,使其具有其他常规优化算法无法拥有的优点.然而,标准遗传算法存在着收敛速度慢、易"早熟"等缺陷.针对应用标准遗传算法时所存在的局限性,从适应值、交叉和变异算子以及控制参数的选取等多方面进行了遗传算法的改进设计.这种改进的遗传算法可进一步改善算法的搜索能力、搜索效率和收敛性能.最后以(N M)客错系统的优化模型作为优化目标,得到了费用模型的最优解.计算结果验证了算法的有效性和正确性.     

基于精英保留策略与爆炸算子的改进遗传算法

针对标准遗传算法(standard genetic algorithm,SGA)应用于数值优化存在收敛缓慢、易陷入局部优解和精度低等问题,提出一种具有爆炸算子的改进遗传算法(FGA)。引入爆炸算子(fire algorithm,FA),通过局部最优解集爆炸产生新个体以弥补SGA算法寻优过程中种群多样性不足的缺陷, 从而提高算法在解析域的全局搜索能力;加入精英保留策略使每代中的最优个体都能得以保留,避免交叉和变异操作遗失全局最优解。为验证算法的优化性能,选用4个经典测试函数对SGA与FGA这2种算法的优化性能进行对比,算例结果表明,本文所提算法具有更好的全局搜索能力、收敛性能以及计算精度。     

最小二乘支持向量机的参数优选方法及其应用

参数选择是支持向量机研究领域的重要问题,它本质上是一个优化搜索过程.以遗传算法和粒子群算法为基础探讨了基于两者的混合智能算法,将杂交操作、变异操作引入PSO算法中,同时,在种群随机搜索过程中嵌入确定性的模式搜索,使得算法可以在任何阶段进行精细搜索;在此基础上,提出了基于混合智能的最小二乘支持向量机方法(LS-SVM),以最小化k-fold交叉验证误差为评价函数,利用混合智能算法优化LS-SVM参数.最后结合实例对该方法进行了实证检验,并对结果进行分析.     

一种改进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的未成熟收敛、振荡、随机性太大等缺点，引入一种新的遗传算子——单亲遗传算子，用于对标准遗传算法的改进。包含单亲遗传算子的改进遗传算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，进而对框架结构的多种工况进行优化设计的结果进行了对比验证，结果表明：改进遗传算法比标准遗传算法有好得多的收敛特性，迭代次数明显减少，优化设计结果也远好于标准遗传算法。     

基于下降搜索的混合遗传算法

针对基本遗传算法局部搜索能力不强的问题,提出一种将下降搜索与遗传算法相结合的混合遗传算法,其中下降搜索的优化方向利用每一代中最劣个体所包含的优化信息获得.数值计算表明,该混合算法可加速算法的收敛,具有良好的优化性能和函数适应能力.