离散变量结构优化中的一种有效仿生算法

将蚂蚁算法应用于结构优化中 ,通过几个典型的结构优化问题的求解发现 ,蚂蚁算法能够成功地应用于离散变量的结构优化问题和连续变量的结构优化问题     

离散变量桁架结构拓扑优化的混合遗传算法

为了避免结构拓扑优化过程中杆件和节点的增删带来的计算上的麻烦,在对桁架结构受力分析的基础上,提出一种启发式方法,以快速产生符合机动性要求的拓扑结构形式;然后在既定的拓扑结构形式下采用混合遗传算法——拟满应力遗传算法进行截面优化。该方法通过在遗传算法中嵌入拟满应力算子,同时对基本遗传算法采用最优个体保留、最差个体替换和控制种群个体差异等改进措施,有效提高遗传算法求解的效率和质量。算例结果表明,该方法用于离散变量桁架结构拓扑优化是有效的。     

多离散变量桁架结构协调优化研究

文中针对履带起重机复杂的桁架结构,提出了非均匀离散变量优化策略与非线性力学分析相耦合的协调优化新方法.首先,考虑设计参数之间的协调关系,在离散变量直接搜索方法中嵌入变量协调条件;再耦合结构非线性有限元分析,为优化了提供结构性能隐式约束条件;形成适合工程结构快速优化的一种新的优化方法.最后,以多种类型参数为设计变量对桁架...     

离散变量结构优化设计的改进遗传算法

提出一种整数编码的改进遗传算法,它采用(—1,0,1)局部寻优算子,并提出寻优基点的选取策略,提出了重要约束罚项的概念来处理不同组合相同适应度的问题,以此来改善遗传算法后期收敛速度慢和不成熟收敛的问题。通过算例表明,这种算法对于离散变量的结构优化可以取得较快的收敛速度和较好的收敛结果。     

遗传算法的改进及其在离散变量刚架结构拓扑优化中的应用

在刚架结构受力分析的基础上，提出一种启发式方法，以快速产生符合机动性要求的拓扑结构形式。对既定的拓扑结构形式采用改进的遗传算法进行截面优化。主要改进措施有，对群体中的不可行个体和约束条件过度满足的个体进行改造，可提高种群的整体质量。在复制过程中采用最佳个体保护策略和最差个体替换法，避免优良基因由于遗传操作的偶然性而被破坏掉，同时使无竞争能力的个体被淘汰；在进化初期采用大的交叉率，以尽快筛选出最优个体；对最差个体采用大的变异率，使其向最优解逼近；在进化后期采用局部徘徊策略，以增强局部寻优能力。算例的结果表明，该方法用于离散变量刚架结构拓扑优化是有效的。     

离散变量优化设计在加热炉钢结构中的应用

针对加热炉钢结构的特点,利用ANSYS的APDL语言建立通用性较强的有限元模型并实现自动加载分析及后处理;再以关键构件的型号作为设计变量,以总质量为目标函数,采用基于离散变量的两级算法对钢结构进行优化设计。     

一种改进遗传算法及在结构优化设计中的应用

针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法。以典型的遗传算法测试函数验证改进遗传算法的有效性与可行性，最后将改进遗传算法用于离散变量桁架结构优化设计，计算结果表明改进遗传算法是可行、有效的。     

基于蚂蚁算法和SVR的离散变量稳健设计优化

引入蚁群打散、离散搜索等策略对基本蚂蚁算法进行了改进,并采用MATLAB语言编制了离散变量优化设计的蚂蚁算法程序。采用支持向量回归机对模糊概率等非线性函数进行仿真计算．提高了模糊稳健优化设计的求解效率。给出了混合离散变量的稳健优化设计实例,表明了所提出方法的有效性和实用性。     

离散变量优化设计方法及其在轻轨车车体设计中的应用

针对轻轨车车体的特点,在连续变量优化分析的基础上,提出了改进的离散变量优化算法。算法将约束条件中的应力函数按照泰勒级数在连续变量优化解附近展开,近似用设计变量的一次函数替代,然后在一定的误差范围内,剔除不符合要求的多数解,在少量剩余解中用有限元验算求得最优解。按此方法设计的车体已用于实际运行的轻轨车辆。     

离散变量优化相对差分法

根据离散变量问题的特点,在相对差分概念的基础上研究了一种改进的离散变量优化方法。该方法通过相对差分来确定搜索方向。在可行域内,沿目标函数下降最快而约束增加最少的坐标方向搜索;在可行域外,使设计点沿目标函数增加最少,约束降低最多的坐标方向回到可行域。该方法的特点是迭代点均是离散点,无需邻域查点和圆整。并且通过聚合函数法处理约束,而不是只考虑最严约束,同时缩减问题求解规模。通过经典考题验证该方法的收敛性。     

离散变量优化设计方法及其在轻轨车车体设计中的应用

针对轻轨车车体的特点,在连续变量优化分析的基础上,提出了改进的离散变量优化算法.算法将约束条件中的应力函数按照泰勒级数在连续变量优化解附近展开,近似用设计变量的一次函数替代,然后在一定的误差范围内,剔除不符合要求的多数解,在少量剩余解中用有限元验算求得最优解.按此方法设计的车体已用于实际运行的轻轨车辆.     

混合离散变量优化的精英多父体杂交算法

提出了一种有效求解约束函数优化问题的新型演化算法,该方法能合理地处理优化设计中混合离散变量的取值问题。该方法是在郭涛算法的基础上,通过构造动罚函数,引入精英保存策略,增加父体选择压力加速算法收敛,构造了精英多父体杂交优化算法,开发了混合离散变量优化的精英多父体杂交优化算法程序DEMPCOA1.0。机械优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的适应性,而且程序运行可靠,全局收敛能力强。     

自适应遗传算法在离散结构优化设计中的应用

由于基本遗传算法中的交叉和变异概率是恒定值的局限性,提出了可变概率的交叉、变异算子的针对离散变量结构优化设计的自适应遗传算法.以平面和空间桁架为算例,并将计算结果与其他算法所得结果进行比较,结果表明,这种算法对离散变量的桁架截面优化设计是有效可行的.     

混合遗传算法在桥式起重机结构优化中的应用

针对工程中的变量离散化问题,提出了一种将遗传算法和模拟退火算法相结合的混合算法。该算法发挥了遗传算法和模拟退火算法的优越性,避免了遗传算法的早熟收敛问题,增强了算法的全局收敛性,并提高了算法的收敛速度。通过对桥式起重机金属结构进行优化,其结果与MDOD和改进遗传算法2种的结果进行比较,表明此算法能够很好处理工程离散化问题。     

离散变量优化设计的改进斐波那契遗传算法

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,提出一种新的遗传算子——转基因算子,用于对遗传算法的改进;提出一种离散变量结构优化设计的斐波那契算法,并与遗传算法结合在一起解决问题。优化设计结果表明,这种改进斐波那契遗传算法的收敛特性得到很好的改善,即发挥了斐波那契算法省时、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。     

解决离散变量优化问题的可视化方法

提出了一种应用面向对象的可视化编程工具VisualBasic进行离散变量优化设计的方法，并以某新型齿轮泵的参数寻优为例作了说明，为解决离散变量的优化问题开辟了新的途径。     

基于蚂蚁算法的混合离散变量机械优化设计方法

引入蚁群更新、沿途搜索等策略对蚂蚁算法进行了改进。为了求解混合离散变量优化设计问题，在搜索过程中对设计变量进行工程化处理，蚂蚁按处理后的变量进行离散搜索。采用MATLAB语言设计了蚂蚁算法程序，通过典型优化设计问题进行了验证，并给出了混合离散变量机械优化设计实例。实例表明，改进后的蚂蚁算法全局收敛能力强，程序运行可靠。     

基于SA算法的压力容器离散变量优化设计研究

考虑制造工艺要求，将所有设计变量均视为离散变量（包括一般离散变量和伪离散变量），并就这两种情况下状态产生函数的设计原理进行深入研究，解决了将模拟退火算法用于离散变量函数优化的关键技术问题，介绍了一种基于模拟退火算法的离散变量函数优化的新方法。建立了以壳体质量最轻为设计目标、以内径（公称直径）和名义壁厚为设计变量的优化设计的数学模型。该模型具有较多的局部极值点，用以数学规划理论为基础的经典约束优化方法求解效果较差，用基于模拟退火算法的离散变量优化设计方法可以取得良好的效果。     

多变量蚁群算法及其在机械设计领域中的应用

在机械设计的优化上,由于其涉及的变量多,并且变量中经常存在离散和连续综合的现象,所以在优化领域一直是一个非常困难的问题.特别是如何解决离散变量和连续变量之间的矛盾,对各种优化算法来说就非常困难.蚁群算法是近年来新发展起来的一种优化算法,本文根据机械设计问题的特点,在蚁群算法的基础上进行一些改进,成功的把蚁群算法应用在机械设计问题中.通过和惩罚函数算法进行比较,表明本文所改进的蚁群算法是行之有效的,并在全局性上优于惩罚函数法.     

基于变量特性的结构优化方法研究

引入多维空间的概念，提出了新的结构优化的思路和相应的数学模型，并将其应用于连续变量和离散变量的结构优化，得到了满意的结果。