基于遗传算法的桁架优化设计

遗传算法是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法,由于其具有算法简单,不必要求函数连续、导数存在、单峰等特点,并能避开局部最优点而收敛到全局最优点,适用于解常规算法难于处理的问题。采用遗传算法,对桁架结构在满足位移的约束条件下进行重量最轻优化设计。数值实例表明该算法应用于结构优化设计是有效可行的。     

预应力钢桁架设计理论研究

概述了预应力钢桁架的概念、预应力钢桁架的工作机理 ,阐述了预应力钢桁架的原则和基本步骤 ,并介绍了常用的整体布筋预应力钢桁架的设计计算方法 ,同时指出预应力钢结构在我国的广阔应用前景。     

应力约束下预应力钢桁架离散变量优化设计

对影响预应力钢桁架优化设计的2类变量,包括连续的索力值和离散的截面尺寸进行研究.建立了以应力和结构质量为约束条件、以最小化结构应变能为目标函数的数学优化模型.以杆件在预应力和外荷载共同作用下储存应变能最小确定施加在索上的预拉力.计算构件由于尺寸改变引起结构质量变化和应变能变化之比的相对差商,以此确定搜索方向.应用渐进结构优化法逐步调整构件截面尺寸,循环迭代,直至索力值和截面尺寸达到最优.算例与预应力钢结构理论结果相吻合,可为预应力钢结构工程设计提供最优的索力值和型钢的选择.     

基于遗传算法的桁架结构布局优化设计

利用遗传算法在Matlab语言环境中对桁架结构进行布局优化设计方法的研究,分别选择杆件截面面积、节点坐标、杆件存在状态为设计变量,同时进行截面尺寸、形状、拓扑三个方面的优化.讨论了实现过程中一些问题的处理,利用结构可能的拓扑形式编号为设计变量进行拓扑优化等,提出利用一个变量控制参数boundsops解决了多类型参数联合编码和离散变量的问题,提出一种结构优化设计实用方法.算例表明,提出的基于遗传算法的桁架结构布局优化设计方法进行桁架结构的布局优化设计比较容易实现,简单、有效,可以产生很好的效益.     

基于多种群遗传算法的钢框架结构优化设计

传统的基于力学分析软件的结构设计方法存在效率低下、依靠专家经验等局限性,采用智能算法能实现高效的结构自动优化设计。然而,由于随机搜索特征,优化结果和收敛性高度依赖于算法的参数设置,需要通过试算来确定其合理取值,该方法会造成优化效率低、计算量大等问题。引入多种群协作和信息共享机制来改善此类问题,并研究其在结构优化设计中的适用性。利用MSC.Marc软件建立钢框架结构有限元模型,采用底部剪力法将地震作用等效为水平荷载施加到结构上,搭建有限元软件与智能算法的自动优化过程,以结构的总体材料用量最低为目标,考虑了层间位移角、应力比、构件稳定性和宽厚比等多种约束条件,以遗传算法为基础,通过适应度尺度变换、基于方向的交叉算子、非均匀变异算子、自适应概率、精英保留策略、重复项替代机制、基于约束的策略对其进行改进,引入多种群思想,对比多种算法优化结果的差异。结果表明：基于多种群的遗传算法能有效改善优化结果对算法参数的依赖性,提高结构优化设计的效率。     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时，在实际的应用中，基本的遗传算法存在着收敛速度慢和稳定性差等缺陷。为克服这些问题，采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略，提高了遗传算法的效率和可靠性。算例表明改进的遗传算法对离散变量结构优化是有效、可行的。     

基于遗传模拟退火算法的钢桁架结构优化设计

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合,提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA).以十杆桁架为例对此算法进行了数值实验,并将实验结果与其他优化方法相比较.算例结果表明,遗传模拟退火算法的寻优概率是100%,平均进化代数为35代,其稳定性和求解效率均高于改进的遗传算法.实验结果显示,遗传模拟退火算法在整体搜索同时,采用退火操作进行局部搜索,提高了算法的局部搜索能力,有效克服了遗传算法迭代缓慢的缺点,把遗传模拟退火算法用于钢桁架离散变量的优化设计中是行之有效的.     

基于ANSYS的遗传算法在水工弧形钢闸门优化设计中的应用

提出了自适应概率的大变异操作,并以大型有限元软件ANSYS为工作平台,利用APDL语言直接实现了遗传算法,改善了遗传算法在小群体规模时容易出现的“早熟”现象,并成功地应用到水工弧形钢闸门的优化设计中,取得了理想结果,为遗传算法在大型实际工程优化中的应用提供了成功的例证.     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时,在实际的应用中,基本的遗传算法存在着收敛速度慢和稳定性差等缺陷.为克服这些问题,采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略,提高了遗传算法的效率和可靠性.算例表明改进的遗传算法对离散变量结构优化是有效、可行的.     

预应力钢桁架在高温(火灾)下的力学特性分析

高温(火灾)环境会改变预应力钢桁架力学特性,影响其安全性能。采用结构力学与火灾科学理论,对拉索式预应力钢桁架进行研究,探讨了高温(火灾)环境下不同拉索布置方式和拉索数目及杆件长度变化对预应力钢桁架力学特性的影响。研究表明:温度变化、拉索布置方式和拉索数目对预应力钢桁架力学特性产生较大影响,但杆件长度变化几乎不影响其拉索应力。研究成果对改善高温(火灾)下预应力钢桁架受力特性及对预应力钢桁架预应力体系布置等具有一定的参考价值。     

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。     

遗传算法在板翅式换热器芯体结构优化中的应用

基于遗传算法的板翅式换热器优化设计,以换热器重量为目标函数,应用遗传算法优化设计换热器的芯体结构。建立板翅式换热器设计与优化程序系统,并建立翅片数据库,其中包括翅片的几何参数、传热特性和阻力特性,可方便用于计算机程序的处理。与传统设计方法相比较,此优化方法能够快速并准确寻优,得到最轻换热器重量。     

门式刚架的塑性优化设计方法研究

将塑性设计理论应用于门式刚架的设计,并结合遗传算法这种离散型智能寻优方法,达到优化设计的目标.通过算例将遗传算法和塑性设计理论结合进行门式刚架的设计,证明塑性设计方法较传统设计方法具有一定优越性.     

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。     

遗传算法在结构设计中的应用研究

介绍了遗传算法的基本原理，讨论了该算法的改进算法，建立了一种应用模式,并将其应用于钢屋架的优化设计之中，测试表明该算法能进一步提高结构优化设计的效率。     

基于遗传算法的钢锭配切优化

针对马钢车轮公司钢锭切割中利用率偏低现状,提出一种基于遗传算法的钢锭优化配切方案,建立多型材、变截面、多品种组合下料模型。采用多规格组合配切的办法,解决了钢锭利用率低下、成材率偏低的问题。实践表明,该方案在提高切割效率的同时,有效提高了原材料切割率。     

基于遗传算法的脊杆索穹顶优化设计

为了降低实际工程中索穹顶结构的造价,提出了一种基于遗传算法的优化设计方法,将预应力倍数和构件截面作为离散设计变量,在目标函数中考虑了结构的施工张拉程度.以Geiger和Levy两种索穹顶作为算例,得到了在多种荷载工况下满足结构应力和位移约束的索穹顶最小造价,并研究了预应力对优化结果的影响.将索穹顶的脊索替换为可受压的钢杆后,对改进方案——脊杆索穹顶进行了优化设计,并与原结构对比了结构造价和力学性能.结果表明:该方法能够高效准确地得到造价最小的索穹顶结构,各构件内力比较接近其极限设计状态;有必要在索穹顶的设计过程中考虑预应力分项系数和活荷载不均匀分布等因素,以满足结构稳定性和单根构件承载力的要求;采用钢杆替换脊索,使索穹顶结构的总造价稍有降低,并显著降低了结构挠度和支座反力.     

一种新的遗传算法求解约束优化问题

采用的方法是直接通过比较个体违反约束条件的程度或适应值来确定个体之间序的关系,充分发挥遗传算法的优势．此算法效率高和鲁棒性强,实现起来简单可行．数值试验表明该算法在求解约束优化问题上具有令人满意的效果．     

并行遗传算法在天线结构优化设计中的应用

将模拟退火和多种群并行遗传算法的思想分别引入到遗传算法中 ,可得具有模拟退火机制的多种群并行遗传算法 ,并将其应用到一 15 m毫米波射电望远镜天线结构的优化设计中 ,计算结果表明 ,该算法对大规模复杂优化问题具有较高全局收敛性和适应性