离散变量优化设计的改进斐波那契遗传算法

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，提出一种新的遗传算子——转基因算子，用于对遗传算法的改进；提出一种离散变量结构优化设计的斐波那契算法，并与遗传算法结合在一起解决问题。优化设计结果表明，这种改进斐波那契遗传算法的收敛特性得到很好的改善，即发挥了斐波那契算法省时、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。     

基于MapX的局部最短路径搜索算法

最短路径分析是地理信息系统(GIS)网络分析的基础,拓扑关系是最短路径分析的关键。由于MapX不支持空间数据的拓扑结构,因此对于采用MapX进行二次开发的用户来说,最短路径分析就成为一个难点。为此讨论了基于MapX的弧段文件格式的Dijkstra算法,并在此基础上实现了基于MapX的局部最短路径搜索方法。     

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。     

遗传算法的改进及其在离散变量刚架结构拓扑优化中的应用

在刚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。对既定的拓扑结构形式采用改进的遗传算法进行截面优化。主要改进措施有，对群体中的不可行个体和约束条件过度满足的个体进行改造，可提高种群的整体质量。在复制过程中采用最佳个体保护策略和最差个体替换法，避免优良基因由于遗传操作的偶然性而被破坏掉，同时使无竞争能力的个体被淘汰；在进化初期采用大的交叉率，以尽快筛选出最优个体；对最差个体采用大的变异率，使其向最优解逼近；在进化后期采用局部徘徊策略，以增强局部寻优能力。算例的结果表明，该方法用于离散变量刚架结构拓扑优化是有效的。