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     

遗传算法在大型水工结构优化设计中的应用

在工程结构的优化设计中,遗传算法已逐步得到应用;本文采取一种新的染色体编码方式,将遗传算法应用到水工结构的优化设计中,重力坝的计算结果验证了遗传算法的可行性与有效性。     

遗传算法原理及在结构优化设计中的应用

简要介绍了遗传算法的基本原理和特点，接着将遗传算法与传统优化算法作了比较，然后介绍了遗传算法在实际应用中的改进方法和在工程结构优化中的应用现状，并用一个三杆桁架的算例来说明遗传算法的优越性，最后提出遗传算法存在的主要问题和总结展望。     

遗传算法在建筑结构优化设计中的应用

介绍并发展了一种基于非连续设计变量的结构优化设计方法－遗传算法。它把结构优化问题模拟为生物进化问题。通过判断每一代中个体的优化程度进行优胜劣汰,从而产生下一代个体,如此反复迭代来完成优化设计。本文给出了遗传算法的详细计算过程,并提出了三种加快收敛的改进方法。     

基于ANSYS二次开发技术的改进遗传算法在结构优化设计中的应用

为克服基本遗传算法的缺陷,提高其全局搜索能力,提出了基于并行小生境算法、可疑峰值点判断方法和局部搜索技术的改进遗传算法。通过引入VC＋＋对ANSYS的二次开发技术,将改进遗传算法与结构计算和优化相结合,使程序具有较强的处理实际问题的能力。最后通过对平板模型支撑位置优化算例的分析,验证了改进算法的可靠性和实用性。该方法对其它复杂工程结构的优化设计同样适用。     

遗传算法原理、实现及其在离散变量结构优化设计中的应用

阐述了遗传算法的基本原理和实现步骤,论述了遗传算法的特点,介绍了遗传算法在离散变量结构优化设计中的应用情况。     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

离散变量结构优化设计的组合遗传算法

传统的遗传算法在处理离散变量结构优化问题存在很多缺陷,遗传进化过程缓慢,遗传操作具有相当大的盲目性,本文采取改进措施,实施最差个体替换法和优良个体保护法,确保遗传种群的优良品质,保证优良个体只执行改进性能的基因操作,同时利用拟满应力设计方法收敛快的特点,将拟满应力设计方法和遗传算法相结合提出了组合遗传算法,适时地利用拟满应力设计优化结果提供种群成员,从而加快了遗传进化的进程,算例表明,组合遗传算法的优化结果是令人满意的。     

遗传算法在同轴式三级减速器结构优化设计中的应用

针对同轴式三级减速器的结构设计要求,提出了一种基于遗传算法的优化设计方法.建立数学模型,并采用遗传算法进行优化,容易得到全局最优解.通过同轴式三级减速器结构的优化设计结果表明,优化效果显著.     

遗传算法在多波束赋形天线优化中的研究

首次采用遗传算法对卫星多波束天线的赋形问题进行了研究,根据地面接收电平的不同要求,以整体偏差逼近和偏差最大点的逼近为目标建立了两种适应度函数,对中国版图进行赋形,得出了不同的赋形效果,并分别与ＦＰ及Ｍｉｎｉｍａｘ方法作了比较,说明遗传算法用于多波束赋形天线的优化是切实可行的,且寻优能力较强。     

结构优化设计中自适应遗传算法的研究

主要介绍了一种基于非连续设计变量的结构优化设计方法一遗传算法(Genetic Al-gorithms，GA)。首先对遗传算法的来源、基本过程进行了论述；为了提高遗传算法的收敛性能，同时考虑到交叉率和变异率的选取问题，引入一种基于个体适应度值的自适应调整交叉率和变异率的自适应遗传算法，并通过算例表明自适应遗传算法是有效的。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

遗传算法用于工程结构优化设计的研究

研究了利用遗传算法对工程结构进行优化设计的方法，在普通遗传算法的基础上，提出加入生长算子的改进措施，给出了计算实例，验证了加入生长算子的遗传算法可以用较小的群体规模，得到较高的解题速度，并用能明量提高解的最优性。     

模拟退火算法在并行公差优化中的应用

根据并行公差设计的特点,建立了并行公差设计的优化数学模型,该模型以总加工成本最小为目标函数,以装配功能要求、加工方法选择、加工余量公差、经济加工精度范围等为约束条件,将模拟退火算法应用于并行公差优化设计中,并给出了具体的算法流程。通过实例验证了其算法的正确性。     

改进的遗传算法在结构优化设计中的应用

遗传算法(GA)是基于达尔文进化论和遗传学说形成的一种崭新的优化算法.它具有全局收敛性和并行性;对先验知识要求较少,具有很强的适应性.针对结构优化设计方法中存在的局限性,将改进的遗传算法用于结构优化设计中.改进的GA采用以下措施提高搜索效率:(1)动态调整变量区间和GA参数;(2)在每一轮进化结束后重新初始化群体,开始新的进化;(3)将最优个体保留到下一轮.据此编制了计算机程序,并将其应用到一个桁架结构的优化实例中.运行结果表明,改进后的遗传算法用于结构优化设计能够有效地避免陷入局部最优解的现象,提高了搜索效率,具有较强的适应性.     

蚂蚁算法在天线结构优化设计中的应用

蚂蚁算法是优化领域内，近年来提出来的并得到较大发展的一种新的仿生优化算法，它已被迅速应用到如组合优化、人工智能等多个领域。通过两个典型的天线结构优化问题，采用蚂蚁算法、遗传算法以及模拟退火算法进行了优化并加以比较。结果表明，蚂蚁算法能够成功应用于大型天线结构优化问题，同时蚂蚁算法的优化结果优于遗传算法和模拟退火算法。     

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．     

分布式并行遗传算法在板材套料优化中的应用

讨论如何利用企业的分布式计算环境将分布式并行遗传算法用于矩形零件优化套排的问题。建立了利用企业分布式计算环境进行板材套料优化的组成模型，分析其计算过程、计算环境及其技术支撑系统，并通过算例说明相对于标准遗传算法，分布式并行遗传算法可以实现更高的效率和更好的优化结果之间的平衡。     

遗传算法的改进及其在预应力空间网格结构中的应用

针对预应力空间网格结构设计变量的特点,提出了一种采用离散变量、基于遗传算法的优化设计方法.该方法将杆件截面和预应力置于同一水平变量空间,个体编码中同时体现两种变量的遗传基因,避免了割裂设计空间、分级优化而带来的误差影响.优化方法采取了适应度变换、最优保留及自适应遗传等改进措施,以改进标准遗传算法易于发生早熟现象、局部寻优能力差等缺点.     

基于网络并行计算的分布式并行遗传算法的结构优化

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,进行了桁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．