基于改进遗传算法的离散变量结构优化设计

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,建立了离散变量结构优化模型。针对遗传算法的缺陷,提出了一种改进的遗传算法。算例结果表明,改进的遗传算法收敛快、精度高,应用于离散变量结构优化设计是有效的。     

基于遗传算法的网格结构的拓扑优化

遗传算法是一种新兴的基于遗传进化机理的寻优技术。它与常规算法的不同之处在于不受初始值影响、从多个初始点开始寻优，并采用交叉、变异和移民算子避免过早地收敛到局部最优解，可获得全局最优解。该算法不必求导计算，编程简单、快捷，尤其适用于具有离散变量的结构优化设计。本文利用遗传算法对在应力、位移约束下的网格结构进行拓扑优化，利用对称性对杆件进行分组，使优化后的结构模型仍然保持对称，具有工程应用价值，并达到降低造价的目的。计算实例表明了该算法的有效性。     

基于遗传算法的网格结构的拓扑优化

遗传算法是一种新兴的基于遗传进化机理的寻优技术.它与常规算法的不同之处在于不受初始值影响、从多个初始点开始寻优,并采用交叉、变异和移民算子避免过早地收敛到局部最优解,可获得全局最优解.该算法不必求导计算,编程简单、快捷,尤其适用于具有离散变量的结构优化设计.本文利用遗传算法对在应力、位移约束下的网格结构进行拓扑优化,利用对称性对杆件进行分组,使优化后的结构模型仍然保持对称,具有工程应用价值,并达到降低造价的目的.计算实例表明了该算法的有效性.     

复合形遗传算法在离散变量桁架结构拓扑优化设计中的应用

为了避免在结构拓扑优化过程中杆件和节点的增删带来的奇异解，设计了一些启发式准则来产生结构可能的拓扑结构形式，再采用混合遗传算法——复合形遗传算法进行截面优化。把复合形法嵌入到遗传算法中，利用复合形法对群体中的可行个体和不可行个体分别进行处理，可提高遗传算法种群的质量，有利于最优解的搜索。该方法既有复合形法快速高效的特点，又有遗传算法全局性好的特点。算例的结果表明，该方法用于桁架结构拓扑优化设计是有效的。     

离散变量刚架结构拓扑优化设计的一种新方法

以刚架结构为研究对象，提出一种遗传算法和拟满应力算法相结合的杂交算法，来解决离散变量结构拓扑优化设计问题。利用遗传算法进行刚架结构拓扑优化，用拟满应力算法进行截面优化，可充分发挥两种算法各自的优势，从而加快搜索进程。拓扑优化过程中，在对刚架结构受力分析的基础上，设计了一些启发式技术，使得遗传算法的初始种群中含有足够数量的可行个体，同时对遗传操作过程做了一些改进，从而有效地提高了遗传算法求解的效率和质量。     

基于离散变量的双层网壳结构拓扑优化设计

以工程造价为目标函数,建立了包含截面、节点体积和拓扑三类变量的离散变量双层网壳结构拓扑优化数学模型,该模型考虑了截面变量与拓扑变量间的耦合关系,反映了拓扑优化问题的组合优化本质.同时采用相对差商法及有限元设计软件ALGOR对基于离散变量的双层空间网壳结构进行拓扑优化,并通过算例验证该优化方法的可行性和有效性.     

基于离散变量的双层网壳结构拓扑优化设计

以工程造价为目标函数 ,建立了包含截面、节点体积和拓扑三类变量的离散变量双层网壳结构拓扑优化数学模型 ,该模型考虑了截面变量与拓扑变量间的耦合关系 ,反映了拓扑优化问题的组合优化本质。同时采用相对差商法及有限元设计软件ALGOR对基于离散变量的双层空间网壳结构进行拓扑优化 ,并通过算例验证该优化方法的可行性和有效性。     

建筑结构优化设计的改进进退遗传算法

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、局部搜索能力差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进退搜索算法与遗传算法结合在一起解决问题;并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.结果表明,这种改进退遗传算法即发挥了进退搜索算法省时、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;采用的改进措施效果明显,其收敛特性得到很好的改善.该算法是高效的理想工程结构优化设计方法.     

自适应遗传算法在建筑结构优化中的应用

遗传算法易搜索到全局最优解，但局部寻优能力差且易发生早熟、随机漫游现象．基于对本文所采用的基本遗传算法的原理和实施过程介绍的基础上，针对其缺陷提出改进措施：利用混沌序列的“遍历性、随机性、规律性”的特点生成初始种群；采用最优个体储存、最差个体替换策略．在改进遗传算法的基础上，又引入自适应的交叉、变异概率公式，幅度系数调节交叉率、变异率形成自适应遗传算法．通过十五杆平面桁架的数值算例，自适应遗传算法的优化结果、优化进程与基本遗传算法、改进遗传算法进行了对比，验证自适应遗传算法的优越性能．     

空间网架结构的离散断面优化设计

本文讨论了空间网架结构的离散变量断面优化设计问题，空间网架的构件选自型钢，优化设计的结果满足有关规定的各项要求，可以直接应用于实际工程。     

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。     

基于改进遗传算法的变压器优化设计研究

给出了电力变压器的优化设计模型,根据优化参数的特点,提出了一种改进的优化算法-基于模拟退火选择的遗传算法,并结合典型问题的讨论给出优化设计的算例,结果表明该算法收敛性好,优化效果明显.     

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.     

改进自适应遗传算法的结构优化设计

介绍了离散变量的结构优化设计方法——遗传算法(Genetic Algorithms)的来源和运行参数。考虑到遗传算法在运算过程中表现出的缺点以及交叉率和变异率的选取对遗传算法的搜索能力和搜索效果的影响,同时为了提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行了改进,引入一种基于个体适应度值的自适应遗传算法。并通过算例表明这种改进自适应遗传算法较基本遗传算法是更有效的,提高了算法的运行效率和计算精度。     

改进遗传算法与粒子群优化算法及其对比分析

进化算法作为一类新的优化搜索方法，广泛应用于各种优化问题．现对简单遗传算法进行了改进，采用实值编码，并与模拟退火算法及基于适值排序和随机选择的方法相结合，形成了改进遗传算法．同时还介绍了一种新的进化算法一粒子群优化算法．将这两种优化算法应用于函数优化，并对优化结果进行了对比分析．比较结果表明，改进遗传算法和粒子群优化算法都可以在函数优化方面表现出较好的健壮性，但在找寻最优解的效率上，粒子群优化算法较好．     

混合离散变量结构优化的遗传算法

提出了混合离散变量结构优化的遗传算法，给出了离散变量结构优化的算例，算例结果表明算法是有效的。     

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.