启发式粒子群优化算法及其在空间结构优化中的应用

介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于“和谐搜索“算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率.     

快速群搜索算法用于桁架结构多目标优化北大核心CSCD

基于快速群搜索优化算法QGSO(Quick Group Search Optimizer),结合Pareto最优解理论与拥挤距离机制,提出了一种适用于结构优化的简单而实用的多目标算法:多目标快速群搜索优化算法MQGSO(Multi-objective Quick Group Search Optimization),并将其应用于10杆平面桁架结构的截面优化与25杆空间桁架结构的形状优化.将MQGSO算法与已有的MGSO和IMGSO算法进行了比较,发现其非劣解均优于其他两个算法的非劣解,且具有良好的稳定性与收敛精度,收敛速度也有所提高,说明本文提出的算法用于求解结构多目标优化问题是可行有效的.     

桁架形状优化的自适应协方差矩阵进化策略方法

自适应协方差矩阵进化策略(CMA-ES)是在进化策略算法(ES)基础上发展起来的一种新的全局优化算法,对于处理复杂非线性多峰值优化问题具有很好的适用性.结合有限元方法,提出一种桁架形状优化的自适应协方差矩阵进化策略方法.采用空间25杆桁架和平面37杆桥形桁架两个桁架形状优化的经典算例对方法的可行性和先进性进行验证,其中,空间25杆桁架分为不考虑局部稳定约束和考虑局部稳定约束两种情况进行计算.研究结果表明,该方法是可行的,与基于遗传算法、粒子群优化算法等现代全局优化算法的桁架形状优化方法相比较,具有寻优效率高、收敛速度快、全局优化能力强的优点,在获得相同精度最优解的条件下,调用有限元分析的次数明显较少,从而有效地减少了计算耗时.     

基于粒子群算法的桁架结构优化

粒子群算法(PSO)是一种基于种群智能的优化算法。由于其具有快速收敛和操作简单等特点,粒子群算法在工程、经济管理等诸多领域均得到广泛应用,成为近年来智能计算领域研究的新热点。首先介绍粒子群算法,进而提出对于惯性权重进行线性变化。利用改进的粒子群算法对实际工程桁架结构进行尺寸优化以提高经济效益,并提出合理的参数设置。数据对比分析结果表明,改进的粒子群算法对于桁架结构尺寸优化设计是可行的。     

基于WCA优化算法的空间桁架结构优化设计

群智能优化算法已被证实可以用于解决实际工程的优化问题。水循环算法可对约束问题进行求解。基于自然界中水循环过程提出的一种新型智能优化算法———水循环算法(WCA),研究了其应用于空间桁架结构优化设计问题的可行性及有效性,论文对两个空间桁架结构进行了截面优化计算分析,并与已有文献优化结果进行了比较,研究结果表明:WCA优化算法相对于群搜索算法(GSO)、启发式粒子群优化算法(HPSO)等优化算法能够提供更快的收敛速度,收敛结果也更好。     

粒子群-鱼群混合算法在桁架结构优化设计中的应用

群智能算法由于其优异的搜索性能被广泛应用于结构优化设计,人工鱼群算法和粒子群算法都是基于动物群体行为的智能优化随机算法.本文介绍了人工鱼群算法和粒子群算法的基本原理,并提出了粒子群和鱼群杂交混合的一种新方法:粒子群-鱼群混合算法,将粒子群-鱼群混合算法应用到四个桁架结构的重量优化设计,包括平面桁架结构和空间桁架结构,通过比较粒子群-鱼群混合算法、人工鱼群算法、粒子群算法的优化结果,发现改进的粒子群-鱼群混合算法具有收敛精度高、收敛速度快等特点,同时具有较好的稳定性,可用于结构优化设计.     

粒子群优化算法在离散变量结构优化中的应用

介绍了用于离散变量的粒子群优化(PSO)算法以及加入了约束处理的启发式粒子群优化(HPSO)算法.将HPSO算法的约束处理策略与另一种适用于粒子群算法的约束处理方法结合,并将改进后的算法应用到3个离散变量桁架结构截面优化设计算例中,同时与HPSO算法进行了对比分析.对于每个算例,改进算法和HPSO算法都运行了多次,从多次运行的统计数据中可以看出,改进算法比HPSO算法更稳定、收敛速度更快、搜索精度更高,且其约束处理方法减少了结构分析的次数,从而提高了整个程序运行的速度.     

基于改进群搜索优化算法的桁架结构拓扑优化研究

对桁架结构拓扑优化设计方法进行了研究,基于和声搜索方法和边界粘附机制,提出了用"启发式拓扑"或"拓扑变量离散化"处理变量的改进群搜索优化方法,分别对一个10杆桁架和一个15杆桁架进行了拓扑优化设计,计算结果与已有的文献结果进行了对比分析.研究表明,该算法不受传统的桁架拓扑优化中"基结构"的限制,避免了奇异最优解的问题,表现出较强的适用性,采用本文提出的方法对桁架结构进行拓扑优化是可行和有效的.     

基于可靠度指标的桁架优化研究

利用加权线性响应面法计算结构杆件可靠度指标,将可靠度指标作为桁架优化约束条件,用改进粒子群算法进行桁架截面优化,通过经典10杆平面桁架截面优化算例,与已有文献进行对比,为工程实践提供理论借鉴。     

桁架结构优化设计的改进蚁群算法

通过对已有的优化方法进行分析,针对蚁群算法容易收敛到局部最优解的缺陷,通过遗传算法和禁忌算法来提高增加蚁群算法的全局优化能力,并改进了算法的灵活性和扩展性;将改进的蚁群算法应用到桁架结构优化设计中,提出了桁架结构优化设计的改进蚁群算法,并建立了相应的优化模型;最后,对10杆平面桁架的优化进行了研究和分析,结果表明,提出的改进蚁群算法是科学可行的。     

A particle swarm ant colony optimization for truss structures with discrete variables

In this paper, a particle swarm optimizer with passive congregation (PSOPC), ant colony optimization (ACO) and harmony search scheme (HS) are combined to reach to an efficient algorithm, called discrete heuristic particle swarm ant colony optimization (DHPSACO). This method is then employed to optimize truss structures with discrete variables. The DHPSACO applies a PSOPC for global optimization and the ant colony approach for local search, similar to its continuous version. The problem-specific constraints are handled using a modified feasible-based mechanism, and the harmony search scheme is employed to deal with variable constraints. Some design examples are tested using the new method and their results are compared to those of PSO, PSOPC and HPSO algorithms to demonstrate the effectiveness of the present method.     

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。     

改进的粒子群-模拟退火算法在桁架结构优化设计中的应用

由于粒子数目多,维数大,用粒子群算法求解多约束问题的迭代求解过程需耗费大量时间。受达尔文的优胜劣汰自然法则启发,在粒子群算法中引入淘汰择优机制。使算法随着迭代次数增加,适应能力较差的粒子逐步被淘汰。最后留下的最优粒子需要较低的温度进行退火求解,寻得全局最优解。多峰值函数测试表明,改进后的算法能够高效率跳出局部最优寻得全局最优解。将改进的算法用于空间桁架结构优化,经算例表明,改进后的粒子群模拟退火串行算法降低了算法的求解复杂度,具有较好的稳定性和较优的收敛性,适用于空间桁架结构截面尺寸优化设计。     

基于粒子群算法的工程项目多目标优化问题研究

为了更有效地解决工程项目的工期—成本—质量优化问题,从施工单位的角度出发,基于工期、质量、成本间的对立统一关系,以双代号网络图中每项工作的持续时间为自变量,建立工期—成本—质量优化模型,采用标准粒子群算法来优化求解。为了消除量纲对评价标准的影响,对 3 个目标适应值采取了标准化的处理方法。利用 Matlab 软件,对一个工程案例进行多目标优化,通过与蒙特卡罗方法进行对比,分析了粒子群算法的计算效率,优化结果验证了粒子群算法求解工程项目多目标优化模型的可行性和适用性。     

基于空间等效桁架单元方法的钢筋混凝土结构非线性分析

针对传统有限元分析的复杂性以及裂缝描述不准确等缺点,从空间应力单元出发,结合平面等效桁架单元的研究方法,提出了一种空间等效桁架单元;基于空间等效桁架单元和空间应力单元刚度等效的原则,推导了等效后的单元刚度矩阵、杆件截面面积和杆件轴力计算公式,探讨了空间等效桁架单元应用于钢筋混凝土结构非线性分析的相关问题;借助ANSYS10.0采用该方法对一桥墩结构进行计算分析,并与采用平面等效桁架单元方法和试验方法所得结果进行了对比。结果表明:采用该方法对钢筋混凝土结构进行分析能够满足工程精度要求,并且能够准确描述裂缝的开展。     

Optimal design of real‐size building structures using quantum‐behaved developed swarm optimizer

In this paper, the quantum‐behaved developed swarm optimizer is proposed for optimal design of real‐size building structures in which the quantum computing is introduced into the standard developed swarm optimizer. In this method, the position‐updating process for the search agents is conducted by simultaneous utilization of the so far best position of all particles, center of mass of all particles, so far best position of each particle, and the mean best position of all particles in which the first two of these aspects satisfy the exploration phase of the algorithm, whereas the other two are utilized for improving the exploitation phase of the proposed method. In order to evaluate the capability of the proposed method in dealing with difficult optimization problems, three real‐size building structures are considered, namely, a 10‐story building with 1,026 structural members, a 20‐story building with 3,860 members, and a 60‐story building with 8,272 members. The overall performance of the proposed quantum‐behaved developed swarm optimizer is compared with that of the standard developed swarm optimizer and other approaches. The obtained results proved that the proposed method is capable of providing better results for the considered examples than are the other algorithms.     

地下工程并行优化反演分析及算例验证

 通过重构非线性惯性权重函数和引入“加速因子”,对传统粒子群优化算法的收敛性进行改进。同时基于消息传递平台对算法进行主从式并行改进,编程实现基于普通计算机机群系统分布式存储并行模式的大型地下工程并行优化反演分析。算例分析表明,改进的粒子群优化算法其收敛性能得到显著改善,并行改进策略可显著加快反演速度和提高计算效率。探讨围岩松动损伤劣化、监测数据可靠性、并行粒度和负载均衡等并行优化反演分析中所面临的主要问题及其对计算精度和效率的影响,并提出有效解决方案,为大型地下工程的参数反演和动态优化设计提供一种新思路。