离散变量结构优化的斐波那契遗传算法

提出了一种求解离散变量结构优化设计问题的斐波那契直接搜索方法;通过在遗传算法中定义斐波那契算子,与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法斐波那契遗传算法。通过自适应的退火因子和罚函数来处理约束条件,使算法逐渐收敛于全局可行最优解。计算结果表明,这种混合遗传算法对于离散变量结构优化问题的求解具有较快的收敛速度,且能以很大的概率求得全局最优解。     

基于遗传算法的网格结构的拓扑优化

遗传算法是一种新兴的基于遗传进化机理的寻优技术.它与常规算法的不同之处在于不受初始值影响、从多个初始点开始寻优,并采用交叉、变异和移民算子避免过早地收敛到局部最优解,可获得全局最优解.该算法不必求导计算,编程简单、快捷,尤其适用于具有离散变量的结构优化设计.本文利用遗传算法对在应力、位移约束下的网格结构进行拓扑优化,利用对称性对杆件进行分组,使优化后的结构模型仍然保持对称,具有工程应用价值,并达到降低造价的目的.计算实例表明了该算法的有效性.     

PSO算法在油船双底结构优化设计中的应用研究

为了研究粒子群优化(PSO)算法用于解决大型复杂结构的优化设计问题的有效性,分别采用基本PSO算法、标准PSO算法与遗传算法(GA)对某一大型油船双层底结构优化设计问题进行了求解.优化过程中双层底结构的响应分析计算过程采用正交异性组合板理论实现.将这3种优化算法的计算结果进行对比分析表明,与基本PSO算法和GA算法相比较,标准PSO算法的收敛速度最快,且能够获得该问题的全局最优解.研究结果表明,基本PSO算法可有效应用于解决如船体双层底等大型复杂结构优化设计问题.     

基于文化粒子群算法的RFID天线设计

针对天线优化设计涉及高度非线性的问题,传统优化方法往往无法获得全局最优解,在此研究背景下,引入文化粒子群优化算法,提出了基于文化粒子群算法与高频结构电磁场仿真软件HFSS联合仿真的优化设计方案。将该方案应用于RFID阅读器天线优化设计,优化结果表明,所设计的天线在2．39 GHz 2．51 GHz频段内回波损耗小于－10 dB,圆极化轴比带宽为2．44 GHz 2．48 GHz,为此类天线结构的优化设计提供了一定的参考。     

模糊优化相对增量比准则摄动梯度投影算法

首先根据非线性规划最优解的ＫＴ条件，给出一种含参数不等式约束的非线性规划最优解的存在条件。建立相对增量比与较优解的概念，应用摄动梯度投影方法，针对工程优化设计中具有模糊约束非线性规划的模糊优化问题，构造了一种相对增量比准则摄动梯度投影的普通优化算法，为求解模糊优化问题提供了一种新的途径。     

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。     

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。     

基于遗传算法的网格结构的拓扑优化

遗传算法是一种新兴的基于遗传进化机理的寻优技术。它与常规算法的不同之处在于不受初始值影响、从多个初始点开始寻优，并采用交叉、变异和移民算子避免过早地收敛到局部最优解，可获得全局最优解。该算法不必求导计算，编程简单、快捷，尤其适用于具有离散变量的结构优化设计。本文利用遗传算法对在应力、位移约束下的网格结构进行拓扑优化，利用对称性对杆件进行分组，使优化后的结构模型仍然保持对称，具有工程应用价值，并达到降低造价的目的。计算实例表明了该算法的有效性。     

改进的群搜索优化算法在桁架结构形状优化设计中的应用

介绍了两种改进的群搜索优化算法IGSO（Improved Group Search Optimizer）——快速群搜索优化算法QGSO（Quick Group Search Optimizer）与快速被动群搜索优化算法QGSOPC（Quick Group Search Optimizer with Passive Congregation）,并应用于离散变量桁架结构形状优化设计,包括平面和空间桁架结构.几个实例计算结果表明两种改进的群搜索优化算法（QGSO与QGSOPC）与GSO算法及已有文献方法相比具有较好的收敛精度和较快的收敛速度,只需较少的迭代次数就能寻找到最优解,并且QGSO与QGSOPC算法程序语句比GSO算法程序语句简略得多,易于编程实现,可应用于工程结构的优化设计.     

基于遗传算法的机床主轴结构静态优化设计

利用边界元法 (BEM)建立加工中心主轴系统的力学模型 ,通过遗传算法 (GA)对机床主轴结构进行优化设计 .算例研究结果表明 ,对于多约束优化问题 ,利用该算法可以较好地获得全局最优解 ,给出的主轴参数优化合理 ,能够满足工程实际应用的需要     

水电厂经济运行的遗传算法

本文提出求解水电站厂内经济运行问题的新方法———遗传算法，它不同于常规优化算法的特点在于，从多个初值点开始，沿多路径搜索实现全局或准全局最优，计算过程中不需要存储状态或决策变量的离散点，大大减少计算机内存，不必求导计算，编程简单，是一种有效的自适应随机搜索算法。     

工程结构优化设计的改进混合遗传算法

根据工程实际以及规范规定的约束条件和各项技术标准要求,建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现的未成熟收敛、振荡、随机性太大和迭代过程缓慢等问题,采用一种新的遗传算子即单亲遗传算子对遗传算法进行了改进,并提出了离散变量结构优化设计的三等分割算法与遗传算法相结合的混合遗传算法。优化设计结果表明:改进混合遗传算法的收敛特性得到了很好的改善,既具有三等分割算法省时、高效、局部搜索能力强的特点,又具有遗传算法全局性好的特点,是高效、理想的工程结构优化设计方法。     

建筑结构优化设计的改进进退遗传算法

针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大、局部搜索能力差和迭代过程缓慢等缺点.提出一种离散变量结构优化设计的进退搜索算法与遗传算法结合在一起解决问题;并提出一种新的遗传算子———转基因算子,用于对遗传算法的改进.结果表明,这种改进退遗传算法即发挥了进退搜索算法省时、高效、局部搜索能力强的特点,又发挥了遗传算法全局性好的特点;采用的改进措施效果明显,其收敛特性得到很好的改善.该算法是高效的理想工程结构优化设计方法.     

建筑结构优化的进退搜索算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了建筑结构优化模型。并提出了离散变量结构优化设计的进退搜索算法。算例结果表明，该方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，是一种理想建筑结构优化设计方法。     

改进遗传算法在桁架拓扑优化中的应用

基于桁架拓扑优化,对遗传算法提出了一些改进措施,形成了一种高效综合的遗传算法。在桁架的截面尺寸和拓扑结构混合设计中,对尺寸变量和拓扑变量分别进行二进制编码、交叉和变异,得到桁架拓扑结构和杆件截面尺寸的初解,适当降低尺寸变量编码精度,以加快算法的收敛速度。然后对截面尺寸重新编码,以较高的尺寸精度进行搜索,为了防止陷入局部最优解,取部分初解加入新的父代。算例表明,该算法对离散变量的桁架拓扑优化是快速有效的。     

改进自适应遗传算法的结构优化设计

介绍了离散变量的结构优化设计方法——遗传算法(Genetic Algorithms)的来源和运行参数。考虑到遗传算法在运算过程中表现出的缺点以及交叉率和变异率的选取对遗传算法的搜索能力和搜索效果的影响,同时为了提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行了改进,引入一种基于个体适应度值的自适应遗传算法。并通过算例表明这种改进自适应遗传算法较基本遗传算法是更有效的,提高了算法的运行效率和计算精度。     

工程结构优化设计的混合遗传算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立了工程结构优化设计模型。为了改善遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种离散变量结构优化设计的三等分割算法，并与标准遗传算法结合成混合遗传算法。对25杆框架结构优化设计，结果表明，这种混合遗传算法的收敛特性得到很好的改善，即发挥了三等分割算法省时、局部搜索能力强的特点，又发挥了遗传算法全局性好的特点，是有效的工程结构优化设计方法。     

离散变量结构优化的2级算法

针对满应力设计方法不能直接用于离散变量结构优化问题,把近似满应力设计方法和相对差商法结合起来,给出了适用于离散变量结构优化的2级算法,提高了相对差商法的收敛速度,该算法不仅能直接解决具有应力约束和截面尺寸约束的离散变量结构优化设计问题,而且也能同时处理具有位移约束等全局性约束的多工况、多约束、多变量的离散变量结构优化设计问题,根据该算法编制了相应的计算程序,算例结果表明,该方法对于离散变量结构优化设计非常有效。     

基于遗传算法的雨水管道系统优化设计

建立了一个雨水管道系统优化设计模型，并应用遗传算法求解管网投资最小的最优设计方案，该方法以管段设计流速为决策变量，采用浮点数编码方式将优化问题的解表达为染色体，设计了相应的适应度函数、交叉算子和变异算子，与传统设计方法相比，遗传算法所得到的最优设计方案可比原设计方案节约投资19．38％。研究表明，应用GA进行城市雨水管道系统优化设计是一种可行且非常有效的新方法，不仅可以找到最优设计方案，而且可以为决策者提供多种优化设计方案，为进行方案评价和决策提供可靠依据。