共查询到10条相似文献,搜索用时 296 毫秒
1.
2.
粒子群优化算法在桁架优化设计中的应用 总被引:3,自引:0,他引:3
粒子群优化(PSO)算法是近年来发展起来的一种基于群智能的随机优化算法,具有概念简单、易于实现、占用资源低等优点。为了解决有应力约束和位移约束的桁架的尺寸优化问题,将PSO算法应用于桁架结构的尺寸优化设计。首先介绍了原始的PSO算法的基本原理,然后引入压缩因子改进了PSO算法,并提出合理的参数设置值。对几个经典问题进行了求解,并与传统的优化算法和遗传算法进行了比较。数值结果表明,改进的PSO算法具有良好的收敛性和稳定性,可以有效地进行桁架结构的尺寸优化设计。 相似文献
3.
4.
5.
提出了一种基于遗传算法的时域内载荷识别方法,并通过工程实例加以分析,将遗传算法应用到载荷识别过程中,将结构动力学的反问题转化为正计算,避免了传统方法的不足,进一步证明了该算法的有效性。 相似文献
6.
结构的模态参数识别是结构健康监测系统的基本任务。随着工程结构的日益大型化和复杂化,振动测试时需要布置大量的传感器。传统的集中采集和处理技术将难以胜任海量数据的处理要求,采用无线智能传感器的结构健康监测系统正是应运而生的新方向,而分布式采集和处理是其特点。在无线智能传感网络拓扑结构中采用分布式算法求解结构整体振型,利用随机子空间法识别各子结构模态,结合粒子群优化算法调整子振型获取结构整体振型。通过混凝土钢管拱桥模型试验验证了分布式算法的可行性,并利用模态置信度(MAC)对比分析了由分布式模态识别方法和集中式模态识别方法得到的结果,结果表明两种算法吻合较好。 相似文献
7.
《Planning》2019,(11)
针对深层储层地震响应微弱、含气性识别困难的问题,提出了一种基于聚合经验模态分解(ensemble empirical mode decomposition,EEMD)和支持向量机(support vector machine,SVM)的地震属性提取及储层含气性识别方法。对地震信号运用EEMD方法进行分解,得到一系列本征模态函数(intrinsic mode function,IMF)。优选具有强相关性的本征模态函数重构特征子信号提取地震属性。通过相关性和R型聚类分析评估地震属性,最终选取4种相对独立的属性作为SVM的输入特征参数,并利用粒子群优化(particle swarm optimization,PSO)算法优化参数后得到的SVM模型实现对储层含气性的识别。实验结果表明,所提方法能够有效地提取储层地震属性及进行含气性识别。 相似文献
8.
介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于“和谐搜索“算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率. 相似文献
9.
《Planning》2019,(4)
文献(1)提出了蝉鸣优化(CSO)算法,利用CSO、 PSO和DE对9个高维Benchmark函数的仿真,得到了非常好的优化结果,该算法尚未在组合优化问题中应用,本文利用CSO算法对旅行商问题(TSP),这一典型的组合优化问题,进行优化,建立了CSO算法解决TSP问题的模型,并利用MATLAB进行仿真。实验结果表明, CSO也是一种非常适于求解组合最优化问题的进化算法。 相似文献