多目标遗传算法在电梯主动导轮系统集成优化设计中的应用

介绍了一种基于多目标遗传算法的电梯主动导轮系统集成结构和控制器优化设计方法。在本方法中．电梯主动导轮结构参数和主动控制器参数同时作为优化设计变量，电梯系统性能和控制代价作为优化设计目标。这是一个复杂的多目标优化问题。由于控制器具有特定的结构，多目标遗传算法直接被用来求解该多目标集成优化问题。这样不仅可以避免权函数的选择，而且一次运行就可以求出所有的Pareto最优解。最后用一个实验室比例电梯模型作为例子来说明该设计过程。     

改进的多岛遗传算法在动力总成悬置系统优化设计中的应用

针对多岛遗传算法（Multi-Island GA）的缺点,通过动态调节其交叉和变异概率来防止算法的早熟以及提高搜索效率,并结合模拟退火法的局部寻优能力强的优点,形成了求解效率更高的改进的多岛遗传算法,并将其应用于动力总成悬置系统的优化设计中。并通过仿真分析和实验验证了优化效果,该改进的算法可以有效应用在悬置系统的优化设计中。     

基于模糊逻辑控制器的自适应遗传算法

针对遗传算法中交叉概率和变异概率的缺陷，设计了一种基于模糊逻辑控制器的自适应遗传算法，实验结果表明，该算法具有较好的在线性能。     

无功优化中粒子群、遗传算法的简要对比

在做无功优化算法设计时,发现遗传算法和粒子群算法是无功优化的两大主要算法,相关算法都是从这两中标准算法中改进而来,到底选择哪一分支去改进更好,本文通过IEEE6标准节点系统的仿真结表明：粒子群算法用于无功优化具有可行性和有效性,比遗传算法更具优势。     

遗传算法在单层球壳质量优化中的应用

摘要: 经典遗传算法存在局部搜索能力不强,“早熟”现象和后期收敛速度放慢等缺陷,本文将自适应策略与“预选择机制”的小生境技术同时引入其中,加入小生境技术后可以避免陷入局部收敛的问题;在小生境遗传算法基础上加入自适应策略,实现对种群的杂交概率和变异概率进行自适应控制,从而形成一种改进小生境遗传算法,可以有效维持种群中个体的多样性,同时可以改善全局收敛的可靠性。通过三个典型算例验证了本文算法的正确性,并通过单层球壳的算例分析表明该方法稳定性好,全局搜索能力强,但在计算时间上长于ANSYS自带的优化模块。本文算法可以应用于优化变量繁多的大中型网壳结构截面优化问题,优化效果明显。     

基于遗传算法和ADAMS的麦弗逊悬架优化研究

为了改善汽车麦弗逊前独立悬架的运动学特性,从而解决轿车前轮胎磨损较严重的问题,将遗传算法与机械系统动力学自动分析软件ADAMS相结合,根据悬架空间结构建立了麦弗逊悬架理论模型,利用ADAMS/View建立了该轿车的麦弗逊前悬架虚拟样机模型,利用ADAMS自带OPTDES GRG算法和用户自定义的遗传算法,选择对轮距变化影响较大的悬架结构参数作为设计变量,分别对该轿车的麦弗逊前悬架虚拟样机模型进行优化设计.经过2种算法的优化,悬架的运动学特性得到了不同程度的改善;而且通过2种算法优化结果的比较,得出了遗传算法和ADAMS软件相结合的优化设计方法在汽车悬架参数优化问题中的优越性、可行性.     

计算智能技术在陶瓷材料优化设计中的应用

综述了计算智能在陶瓷材料优化设计中的应用现状,阐明了利用人工神经网络以及遗传算法预测陶瓷材料性能和组分优化的方法,介绍了人工神经网络、遗传算法与免疫算法和模拟退火算法相结合的高效计算智能方法以及模糊神经网络在材料设计中的应用,分析了陶瓷材料优化设计中存在的问题并提出了今后的研究方向。     

动态联盟伙伴选择的一种自适应遗传算法

针对动态联盟伙伴选择优化问题,提出一种自适应遗传算法用来求解此类问题。该算法设计了自适应交叉和变异概率,在遗传过程中可以根据适应度自动选择,从而使群体中每个个体对环境的变化具有自适应调节能力;所设计的自适应变异概率可以避免算法的早熟现象;遗传过程中,通过保持迭代过程中的最优解,加快了搜索速度,并保证了收敛于全局最优解。通过算例,证实了该算法的有效。     

基于失败概率的无线传感网络的节能优化研究

探讨了无线传感网络中目标源点动态变化覆盖优化问题,针对传统物理覆盖模型存在的问题,采用新的信息覆盖模型,利用多个节点协同工作方式实现对目标源点的监测,并且充分考虑目标源点动态变化过程中因各种干扰因素而导致的监测失败情况,提出了一种基于失败概率的信息覆盖集启发式算法.该算法首先利用最佳线性无偏估计找出一切可行的信息覆盖单元,进而采用基于能耗指标和监测失败概率指标的综合优化函数动态选择监测节点,并以用户设定的网络最大失败概率为依据构造覆盖子集,获得的覆盖子集,在各时间段内被依次唤醒,执行网络监测任务.实验仿真表明,该方法不仅提高了网络寿命和监测准确度,而且降低了节点冗余率,从而很好实现WSN网络目标源点动态变化的节能优化.     

基于SGA-BP-GA方法的FPSO舷侧结构耐撞性能优化设计

由于船体结构及碰撞优化的复杂性,使得传统优化方法难以有效进行。基于遗传算法、模拟退火算法和BP神经网络,结合正交试验设计和ABAQUS参数化仿真技术,提出一种新的结构耐撞性优化方法——SGA-BP-GA。为了提高BP网络对结构耐撞性指标的预测精度和泛化能力,利用模拟退火算法的概率突跳特性克服遗传算法易早熟和陷于局部最优的缺点,在此基础上采用模拟退火遗传算法(SGA)对BP网络的权重进行优化。采用提出的SGA-BP-GA方法对FPSO舷侧结构耐撞性能进行优化设计,以验证其准确性与可行性。结果表明:与传统BP、GA-BP和SA-BP相比,SGA-BP具有更高的预测精度和泛化能力;与GA-BP-GA方法相比,SGA-BP-GA优化结果仍提高了5.34%;提出的SGA-BP-GA方法能够较好的适用于复杂的船体结构耐撞性优化设计。     

Design optimization of cold-formed steel portal frames taking into account the effect of building topology

Cold-formed steel portal frames are a popular form of construction for low-rise commercial, light industrial and agricultural buildings with spans of up to 20 m. In this article, a real-coded genetic algorithm is described that is used to minimize the cost of the main frame of such buildings. The key decision variables considered in this proposed algorithm consist of both the spacing and pitch of the frame as continuous variables, as well as the discrete section sizes. A routine taking the structural analysis and frame design for cold-formed steel sections is embedded into a genetic algorithm. The results show that the real-coded genetic algorithm handles effectively the mixture of design variables, with high robustness and consistency in achieving the optimum solution. All wind load combinations according to Australian code are considered in this research. Results for frames with knee braces are also included, for which the optimization achieved even larger savings in cost.     

非线性函数全局最优化的一种混沌优化混合算法

混沌优化方法是近年出现的利用混沌的遍历性、随机性作为全局优化机制的一种优化技术。已有的混沌优化方法都是利用Logistic映射作为混沌序列发生器,而由Logistic映射产生的混沌序列的概率密度函数服从两头多、中间少的切比雪夫型分布,这种分布特性会严重影响混沌优化全局搜索能力和效率。利用Logistic映射的特点,在混沌搜索时预先筛选掉劣质点,建立改进的混沌BFGS混合优化算法。复杂非线性测试函数计算结果表明,与文献中不加改进的混沌混合算法相比,本算法以同样的混沌搜索次数找到全局最优解的概率提高了10-30%,而以概率1获得全局最优解的最大混沌搜索次数减少了8-10倍。另外,还将细搜索策略引入到改进的混沌BFGS混合算法中,对具有较大边界约束范围的非线性函数进行了优化计算。     

An optimization technique using the characteristics of genetic algorithm

Optimization problems could happen often in discrete or discontinuous search space. Therefore, the traditional gradient‐based methods are not able to apply to this kind of problems. The discrete design variables are considered reasonably and the heuristic techniques are generally adopted to solve this problem, and the genetic algorithm based on stochastic search technique is one of these. The genetic algorithm method with discrete variables can be applied to structural optimization problems, such as composite laminated structures or trusses. However, the discrete optimization adopted in genetic algorithm gives rise to a troublesome task that is a mapping between each strings and discrete variables. And also, its solution quality could be restricted in some cases. In this study, a technique using the genetic algorithm characteristics is developed to utilize continuous design variables instead of discrete design variables in discontinuous solution spaces. Additionally, the proposed algorithm, which is manipulating a fitness function artificially, is applied to example problems and its results are compared with the general discrete genetic algorithm. The example problems are to optimize support positions of an unstable structure with discontinuous solution spaces.     

基于最终层失效的复合材料舱体稳健性协调优化

传统可靠性设计难以符合现代设计要求,对舱体进行稳健性优化设计,可提高其综合可靠性。基于基体破坏和纤维断裂两种失效模式,采用验算点法求解复合材料单层可靠度。基于最终层失效假设,提出把结构看作由串联子系统组成的并联系统的思想,结合材料刚度比率退化准则和单层可靠度理论,采用概率逐步失效分析方法,计算出主要失效链,从而得出结构的失效概率。复合材料舱体设计变量复杂,提出二级优化方法思想：一级为系统级布局优化,对加强筋截面形状、位置确定等参数进行优化;二级为子系统级尺寸优化,对筋截面尺寸、复合材料各铺层厚度等参数进行优化。采用自适应随机搜索遗传算法,以复合材料舱体质量最小为目标函数,以可靠度要求为约束条件,采用稳健性协调优化方法,对存在初始缺陷的复合材料舱体进行稳健性优化,为复合材料结构优化设计提供参考。     

A new optimization framework using genetic algorithm and artificial neural network to reduce uncertainties in petroleum reservoir models

In this article, a new optimization framework to reduce uncertainties in petroleum reservoir attributes using artificial intelligence techniques (neural network and genetic algorithm) is proposed. Instead of using the deterministic values of the reservoir properties, as in a conventional process, the parameters of the probability density function of each uncertain attribute are set as design variables in an optimization process using a genetic algorithm. The objective function (OF) is based on the misfit of a set of models, sampled from the probability density function, and a symmetry factor (which represents the distribution of curves around the history) is used as weight in the OF. Artificial neural networks are trained to represent the production curves of each well and the proxy models generated are used to evaluate the OF in the optimization process. The proposed method was applied to a reservoir with 16 uncertain attributes and promising results were obtained.     

基于梯度优化方法的钢结构标准截面选型优化设计

实际的工程应用中,钢框架的基本构件大多是根据钢结构设计规范要求,从标准型钢库中选取,所组成的框架结构的截面尺寸非连续变化。因此,钢结构截面优化设计是典型的离散设计变量优化问题。若采用基于启发式的算法(如遗传算法等)进行求解,当可选截面类型较多时,其计算量巨大,求解效率低下。该文通过引入高维拉格朗日插值函数对该离散设计问题进行连续化,建立了可采用梯度优化方法进行求解的钢结构标准截面选型设计模型,并且使得连续化以后的设计变量个数大幅度减少。对给定截面类型种数为2n个的可选截面集合,其设计变量只需n个即可。具体算例表明:与基于遗传算法的优化方法相比,该方法的计算效率提高1~2个数量级,并且在结构性能基本相当的情况下,得到的型钢种类更少,便于工程应用。     

有限元法和退火进化算法相结合分析结构模糊可靠性

结构的失效除了具有随机性，还应具有模糊性。本文在介绍一种修正的联合概率密度函数的基础上，采用有限元法和退火进化算法相结合来研究结构的模糊可靠度。在每一模糊失效水平下，有限元法用来计算荷载效应项，并将荷载效应项代入原联合概率密度函数形成修正的联合概率密度函数。为了解决进化算法的早熟收敛问题，采用模拟退火算法与进化算法相结合，以保证更有效地搜索到最可能失效点(设计点)。解决不存在显式极限状态方程的大部分实际结构的可靠度研究的困难。数例结果表明该法可直接应用现有的确定性的有限元程序，并且具有很好的效率和精度。     

基于遗传算法和拓扑优化的结构多孔洞损伤识别

鉴于拓扑优化和遗传算法在结构损伤识别中各自的优点,本文将遗传算法、有限元和拓扑优化三种方法相结合,提出了一种用于二维结构多损伤识别的新方法。这种方法将拓扑优化的设计变量和遗传算法的参数统一化,将拓扑优化中的目标函数和约束方程与遗传算法的适应度函数联系起来,并以拓扑优化的约束方程作为控制条件参与整个遗传运算的控制。采用二进制编码遗传算法代替连续变量拓扑优化的方式对发生孔洞损伤形式的二维结构进行损伤识别,避免了利用连续变量拓扑优化进行损伤识别时参数阈值的确定可能给识别结果带来的不良影响。通过对两个二维结构模型的多损伤识别仿真计算,结果显示本方法能够很好地识别二维结构中多个位置的损伤,对于仅用拓扑优化法很难识别的轻微孔洞损伤情况,该方法也能得出与实际情况吻合良好的结果。     

高层建筑抗风优化设计和风振控制相关问题研究

高层建筑由于自振周期长、阻尼小,其高柔的特征使其对风荷载特别敏感,风荷载是沿海地区超高层建筑的主要水平控制荷载,因此在强/台风作用下,其抗风设计须在满足规范安全要求的前提下,同时又要经济实用和结构性能高效,为此,开展高层建筑抗风优化和风振控制方面的研究具有十分重要的现实意义。该文在对高层建筑抗风优化设计和风振控制研究现状做简要介绍的基础上,首先根据风荷载的特点,着重研究了考虑风速风向联合概率分布和基于可靠度及性能化的高层建筑抗风设计方法,采用最优准则法,以结构的总重或总造价为目标函数,以顶部位移、层间侧移以及顶部风致加速度为约束条件,对高层建筑结构杆件截面抗风优化设计的相关问题进行了研究。同时为提高基因遗传智能优化算法的收敛速度和获得最可能优化解,该文提出了传统基因遗传的改进算法(如基于改进罚函数及分级遗传算法)用于结构抗风优化设计。在结构拓扑抗风优化方面,则主要引入分层优化的概念,对变密度法和改进动态进化率的双向渐进拓扑优化方法,应用于抗风结构的拓扑构型优化算法进行了相关研究。通过实例分析验证了上述结构抗风优化算法的高效和正确性。在风振控制方面,该文结合摩擦摆系统和调谐质量阻尼器各自的优点,提出了摩擦摆调谐质量阻尼器(FPS-TMD)被动控制系统,对其力学和动力特性,以及高层建筑顶部带FPS-TMD系统的风振控制理论,进行了相关研究。以结构控制第三代Benchmark模型为实例,研究顶部带FPS-TMD系统的高层建筑风振控制效果,同时结合该文开发的基于小型电振动台的实时混合实验测试平台,采用风振控制实时混合实验结果与理论模拟计算结果的对比,验证了该文提出的FPS-TMD被动控制系统,应用于高层建筑风振控制的有效性。