基于SAGA的工程项目资源均衡优化方法

为提高工程项目资源优化效率,提出了基于模拟退火遗传算法(SAGA)的工程项目资源优化方法.基于对模拟退火算法(SA)和遗传算法(GA)的搜索能力、优化机制、优化结构和优化操作互补性和可融合性的分析,将模拟退火算法优化结果作为遗传算法初始种群,实现两者的有机结合.通过算例对模拟退火遗传算法的优化效率进行验证,结果表明:在...     

改进遗传算法在桁架优化设计中的应用

利用遗传算法对桁架进行优化时,将ANSYS作为有限元结构分析工具,把遗传算法优化程序与结构的有限元分析程序结合起来,在这两个程序中进行数据传递,能节约结构优化问题的求解时间,提高计算结果的可靠性.文中针对简单遗传算法具有"收敛早熟"、局部搜索能力差等缺点,提出了改进的遗传算法.算例表明此方法正确、可行,能充分发挥ANS...     

遗传算法在悬索结构形态优化中的应用

本文提出了关于悬索结构形态优化时设计变量的选取和优化目标的确立方法.通过对基于遗传算法的悬索结构形态优化的研究,表明遗传算法应用于柔性结构优化的可行性和收敛性,且其具有全局搜索能力强、运算稳健性好等优点.     

基于遗传算法的工程结构优化设计应用研究

通过对遗传算法和结构优化设计等方面的内容的进行了介绍与分析,在此基础上提出了遗传算法在工程结构优化设计的应用模型,并根据遗传算法的原理和特点,利用一个计算实例验证了遗传算法作为优化方法的高效性的优势。     

遗传算法在燃气管网优化的应用进展

论述了遗传算法解决优化问题的主要步骤和优点,分析了遗传算法在燃气管网优化中的应用现状和展望.     

遗传算法在十三杆桁架优化设计中的应用

本文阐述了遗传算法的特点和实现方法,并通过对遗传算法的改进,建立了桁架结构的优化模型,其中采用实数编码避免了二进制编码所带来的缺陷.另外,增加了一个角度设计变量,分两种情况利用遗传算法对十三杆桁架作了进一步优化,算例表明了该法的可行性和有效性.     

基于改进遗传算法的主动拉索柱面网壳优化控制研究

主动拉索柱面网壳是指通过在柱面网壳的底部安装拉索,并在拉索中引入作动系统,实现可主动调节自身形状及内力的一种自适应结构.首先建立结构的形状与内力控制模型,确定优化目标函数.然后根据优化模型的特点,针对传统遗传算法局部收敛能力差的缺陷,提出了一种改进的遗传算法,即通过在遗传算法中引入一个梯度下降算子,提高遗传算法的局部搜索能力.最后以一主动拉索双层柱面网壳模型为优化算例,分别对遗传算法和改进遗传算法的计算结果进行比较.结果显示,改进的遗传算法求解质量更优,效率更高,对于主动拉索柱面网壳以及类似自适应结构的优化控制具有更好的适用性.     

工程结构优化设计的新方法

阐述了遗传算法求解工程结构非线性优化问题的方法 ,实例计算表明 ,具有全局优化和并行计算特点的遗传算法是求解工程结构非线性优化问题可行有效的方法。     

基于遗传算法的混合优化反分析及比较研究

围绕优化反演分析中计算收敛速度、精度和稳定性问题，着重就传统和现代两类优化方法开展以下3方面的研究：(1) 将阻尼最小二乘法与遗传算法耦合起来，发展了阻尼最小二乘法-遗传混合算法；(2) 将两类混合优化方法：阻尼最小二乘法-遗传算法和模拟退火-遗传算法较早地用于优化反演分析；(3) 结合基坑工程算例，对单纯形法、阻尼最小二乘法、遗传算法、模拟退火-遗传算法和阻尼最小二乘法-遗传算法进行了比较分析。结果表明，与单纯形法等传统的优化方法相比，基于遗传算法的一类现代优化方法具有较好的全局收敛性；与常规的遗传算法相比，阻尼最小二乘法-遗传和模拟退火-遗传等算法有效地提高了优化反演的计算搜索速度和精度。     

隧道爆破参数优化中遗传算法和微分进化算法的应用比较

隧道爆破参数优化技术发展至今,已经有多种优化算法被应用到该领域,其中运用最广泛的就是遗传算法.微分进化算法作为一种新型优化算法,很少被用来进行隧道爆破参数优化,而本文以遗传算法和微分进化算法为优化工具对十白高速狮子沟隧道进行爆破参数优化分析,比较两种算法各自的优缺点.实例分析表明,遗传算法和微分进化算均能有效地解决复杂的隧道爆破参数优化问题,得到全局最优解.相比之下,遗传算法收敛速度更快,而微分进化算法编程相对更简单、参数设置更简便,所得解的精度较高等.     

有支撑钢框架离散型拓扑优化设计

为了研究离散型拓扑优化理论在实际工程中的应用,在遗传算法和渐进结构优化算法的基础上对有支撑钢框架的离散型拓扑优化设计进行了分析.通过引入拓扑变量并修改无效杆件的弹性模量,提出了一个能适用于桁架结构、刚架结构和桁架刚架混合结构的离散型拓扑优化问题统一数学列式.该统一数学列式能解决桁架拓扑优化问题中以截面面积作为设计变量而...     

基于生长空间限定与并行搜索的模拟植物生长算法的空间结构优化方法

为弥补传统设计理念和优化方法的不足,促进空间结构的发展与创新,结合前沿优化理论,依据模拟植物生长算法(PGSA)的基本原理,提出基于生长空间限定与并行搜索的模拟植物生长算法(GSL&PS-PGSA),并与空间结构优化相结合,建立了基于GSL&PS-PGSA的空间结构优化方法。给出了相应的结构优化流程,并采用MATLAB及ANSYS二次开发语言APDL编制了优化程序。通过单层球面网壳截面优化和弦支穹顶预应力优化的典型空间结构算例分析,结果表明：所提出的GSL&PS-PGSA为算法提供了有效的终止机制,且具有高效的计算效率及全局搜索能力;与遗传算法(GA)、粒子群算法(PSO)、ANSYS自带优化方法以及其他改进PGSA算法等相比,GSL&PS-PGSA的优化效果更为显著且具有明显优势;所建立的基于GSL&PS-PGSA的空间结构优化方法,可适用于各类传统和新型空间结构体系的优化问题。     

基于遗传算法的枝状燃气管网布局优化

以图论和遗传算法为理论基础,以管网造价最小为优化目标,提出枝状燃气管网遗传布局优化的方法,并针对枝状管网的特点,对基本遗传算法进行改进。改进后的遗传算法能够获得造价最小的布置方案,算法寻优效率较高。     

网架结构CAD后处理中的下料优化

在分析遗传算法的基础上 ,针对网架结构中杆件类材料的下料问题 ,提出了一种优化下料的求解算法。该算法采用直接编码方式 ,结合优先适合搜索方法 ,经过交叉、变异、评估过程求得较优解。该算法的结果不依赖于初始值的选取。经算例证明 ,该算法运行时间少、优化结果好     

基于MATLAB的桁架结构优化设计

介绍了基于BP神经网络的全局性结构近似分析方法 ,解决了结构优化设计问题中变量的非线性映射问题。在此基础上 ,利用改进的遗传算法 ,对桁架结构在满足应力约束条件下进行结构最轻优化设计。利用Matlab的神经网络工具箱 ,编程求解了三杆桁架优化问题。     

粒子群优化算法在桁架优化设计中的应用

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。     

遗传算法和高斯牛顿法联合反演地下水渗流模型参数

充分利用遗传算法善于进行全局搜索和高斯牛顿法善于进行局部搜索的优点,克服了两种方法各自的不足,用改进的遗传算法和高斯牛顿法联合反演地下水数值模型参数,首先用遗传算法求出地下水模型参数的初值,然后利用这组初值用高斯牛顿法进行数值模型参数的反演,并以非均质各向同性承压二维非稳定流动模型,结合有限元法讨论了用遗传算法和高斯牛顿法联合反演地下水数值模型参数的过程。计算结果表明,联合参数反演方法,具有收敛速度快、解的精度高的特点。     

基于遗传算法的岩土热物性参数的反演

针对最优化方法反演岩土热物性参数易陷入局部最优解或不容易收敛的问题,基于遗传算法的全局随机寻优特性,将实数编码的遗传算法应用到岩土热物性参数反演中,将其所反演的参数结果与用传统最优化理论所得结果对比分析,结果显示遗传算法在反演岩土热物性参数是可行的,可以较为高效地得到符合实际近似最优解.     

基于网络并行计算的分布式PGA结构优化

网络并行计算是当今并行计算发展的新方向。在网络并行环境下探讨了并行遗传算法进行结构优化设计及其算法的实现方法。并在四台 PC 机组成的网络平台上,进行了钢屋架结构优化设计的数值测试。计算结果表明,设计的并行算法在网络并行计算环境中具有较高的加速比和效率,同时验证了并行遗传算法用于结构优化是可行的和有效的。     

SEARCH FOR CRITICAL SLIP CIRCLE USING GENETIC ALGORITHMS

In using traditional nonlinear optimization techniques for determining the critical slip surface in slope-stability analysis there is generally some uncertainty as to robustness of the algorithms to locate the global minimum factor of safety rather than the local minimum factor of safety for complicated and non-homogeneous geological subsoil conditions. This paper describes the incorporation of a genetic algorithm methodology which is becoming increasingly popular in engineering optimization problems as it has been shown in a wide variety of problems to be suitably robust for the search not to become trapped in local optima. First, the general principles of genetic algorithms are described. The genetic algorithm procedure used to locate the critical circular slip surface is then described. The five examples presented indicate that the search strategy was suf ficiently robust and efficient to handle multi-layered soils.