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.     

现代智能优化算法研究综述

主要介绍了现代智能优化算法的基本概念,着重回顾了几种主要的现代智能算法的发展历程,主要包括遗传算法、神经网络优化算法、粒子群优化算法、模拟退火算法,并阐述了其工作原理和特点,归纳了它们主要的应用方向,同时对智能计算方法的发展进行了展望。     

探讨GA算法在施工现场管理中的应用——以钢桁架加工为例

以GA算法在桁架现场加工中的应用为例，介绍了GA算法的优化原理和应用步骤。实例以杆件截面规格和节点坐标为设计变量，使钢桁架重量最轻，实例取得了理想的效果，验证了GA算法的有效性。进一步探讨了GA算法应用在施工现场管理中的可能性。     

基于单纯形模拟退火算法的桁架结构优化设计

提出了应用单纯形模拟退火算法对桁架结构进行优化设计，并对模拟退火算法中参数的选择进行了探讨，算例分析表明了单纯形模拟退火算法应用在桁架结构优化中的可行性和有效性。     

微粒群优化算法在Theis公式参数识别中的应用

采用一种微粒群优化算法来识别承压完整井非稳定地下水运动Theis公式中的水文地质参数。微粒群算法是一种新型的群体智能算法,它将每个个体看作在多维搜索空间中的一个没有重量和体积的微粒,并在搜索空间中以一定的速度飞行,该飞行速度由个体的飞行经验和群体的飞行经验进行动态调整。然后根据个体适应值大小运算,根据适应度函数对微粒的速度和位置进行进化,最终得到足够好的适应度值。本文采用微粒群算法可根据抽水试验资料快速反演Theis公式近似解析解中的水文地质参数。实例计算结果表明该微粒群算法计算速度快,在水文地质逆问题求解中值得推广应用。     

混合遗传算法在离散变量结构优化中的应用

针对遗传算法在离散变量结构优化设计中的缺陷,将进退搜索算法同遗传算法相结合,提出了一种混合遗传算法。建立了离散变量结构优化模型,并对一11杆桁架结构进行了优化设计。算例结果表明,混合遗传算法收敛快、精度高,应用于离散变量结构优化设计是有效的。     

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。     

一种基于混合策略的灰狼优化算法

灰狼优化算法作为一种群体智能算法,不可避免地会产生陷入局部寻优和收敛速度慢的问题。本文提出一种混合的改进策略,把动态权重和动态种群的结合起来,在提高收敛速度的同时,产生较好的解。通过多组基准测试函数进行验证,实验结果表明在收敛速度和搜索能力方面都表现的更好。     

基于WOA的焊接缺陷图像边缘检测

图形图像处理技术在工程质量检测的损伤评估中得到越来越广泛的应用,便于快速确定结构表面缺陷。图像的边缘特征是缺陷检测的前提和基础,本文针对钢结构工程中焊接质量检测问题,提出基于鲸鱼优化算法的焊接缺陷图像边缘检测技术,通过若干焊接缺陷图像边缘检测工程案例证明了所提出方法的抗噪性和有效性。该方法扩展了群智能算法在图像分析与处理领域的应用范围,可以为工程提供一定的参考价值。     

基于TSP问题的仿生算法比较

旅行商问题,即TSP问题是数学领域中著名问题之一。它是一个组合优化问题,对于规模较大的TSP问题,传统的数学方法不易解决,新兴的智能优化算法求解能力较强。在智能算法求解中,基于生物活动衍变而来的仿生算法表现尤为突出,因此将使用常见的仿生算法对不同规模TSP问题进行实验对比,分析算法优缺点,提出解决TSP问题的一种联合寻优算法。     

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。     

混合粒子群算法搜索土坡危险滑动面

基本粒子群优化算法存在着对惯性因子敏感、计算量大等缺点,通过借鉴和声搜索算法产生新解的策略和不连续飞行假定,构成了混合粒子群算法。首先,当粒子飞行超越边界时,采用和声搜索算法产生新解;此外还引入了不连续飞行假定,即在每次迭代步中,随机选择一些个体更新速度、位置向量,以利于减少计算量。随机给定10组参数,分别利用基本粒子群优化算法和混合粒子群优化算法对某复杂土坡的最危险滑动面进行了搜索。比较发现,混合粒子群算法能在较短的计算时间内得到更好的结果。     

混沌模拟退火粒子群优化算法

基于模拟退火思想的粒子群优化算法和混沌粒子群优化算法,提出了混沌模拟退火粒子群优化算法,编写了其具体流程图,并通过两个算例,验证了该算法的效率和有效性,结果表明该方法可行,具有广泛的应用前景。     

BP神经网络在基坑工程变形预测中的应用

结合工程实例,针对基坑开挖过程的变形特点,应用BP神经网络和基于粒子群优化算法的BP神经网络对基坑支护结构的变形进行预测,并对两种方法预测结果进行比较分析。结果表明,基于粒子群优化算法的BP网络的泛化预测性能要优于BP网络,预测深基坑地下连续墙结构水平位移更有效。     

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.     

基于粒子群优化算法的热网优化设计

基于粒子群优化算法,以热网年折算费为目标函数,在水力约束条件下求解优化的管径.结合算例,验证了粒子群优化算法的可行性和有效性,取得了良好的效果.     

Comparison of algorithms for seismic topology optimisation of lifeline networks

A performance comparison among five optimisation algorithms for the topology design of lifeline network subjected to earthquakes is presented in this study. The topology optimisation model in conjunction with the argument of seismic reliability is firstly introduced for the design of lifeline networks subjected to earthquakes. Subsequently, two quite standard optimisers used in the numerical optimisation, i.e. a genetic algorithm (GA) and a simulated annealing algorithm, are investigated. Their hybrid scheme, entitled a simulated annealing GA that combines the advantages of two standard optimisers, is introduced as well. Besides, an ant colony algorithm and a particle swarm algorithm that have been developed in recent years are explored. Three modelled lifeline networks, including two benchmark networks and one actual network, are used as the numerical carriers that the five optimisation algorithms accommodate. It is concluded that the simulated annealing GA provides an excellent tool with higher efficiency to achieve optimal topology of lifeline networks.     

Design optimization of tall steel buildings by a modified particle swarm algorithm

Optimal design of tall buildings, as large‐scale structures, is a rather difficult task. To efficiently achieve this task, the computational performance of the employed standard meta‐heuristic algorithms needs to be improved. One of the most popular meta‐heuristics is particle swarm optimization (PSO) algorithm. The main aim of the present study is to propose a modified PSO (MPSO) algorithm for optimization of tall steel buildings. In order to achieve this purpose, PSO is sequentially utilized in a multi‐stage scheme where in each stage an initial swarm is generated on the basis of the information derived from the results of previous stages. Two large‐scale examples are presented to investigate the efficiency of the proposed MPSO. The numerical results demonstrate the computational advantages of the MPSO algorithm. Copyright © 2012 John Wiley & Sons, Ltd.     

基于微粒群算法的污水管网优化设计

针对遗传算法存在的问题，提出一种利用微粒群算法（PSO）优化污水管网的模型，并阐述了应用微粒群算法进行污水管网优化设计的原理、特点。在南京市某地区的污水系统设计中采用了该算法，取得了良好的社会效益和经济效益。