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.     

基于遗传算法的预应力钢桁架优化设计

目的针对预应力钢桁架的结构截面变量取值离散性、设计需考虑多种因素影响、计算重分析次数较多等特点，应用遗传算法对其进行优化设计，从而达到使结构受力合理，质量最轻的目的．方法通过有限元方法对预应力钢桁架结构进行结构分析，得到相应的应力、内力，然后按照一定的优化模型对结构进行遗传操作，得到优化结果．结果应用所编程序对平面预应力钢桁架实例进行优化设计，算例表明相对于其他优化算法，遗传算法在预应力钢桁架的优化设计中具有可行性和有效性．结论所编程序具有编程简单、快捷、搜索效率和求解精度较高等特点，克服了已有工程实践中通过多次试算，按经验来确定预应力值的弊端，为预应力钢桁架的优化设计提供了一种可行的方法．     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时,在实际的应用中,基本的遗传算法存在着收敛速度慢和稳定性差等缺陷.为克服这些问题,采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略,提高了遗传算法的效率和可靠性.算例表明改进的遗传算法对离散变量结构优化是有效、可行的.     

离散变量结构优化的改进组合型遗传算法

对离散组合型法进行改进,提出了一种新的初始点产生办法,提高了离散组合型法的局部寻优能力.把离散组合型算法作为组合型操作算子融合到遗传算法中,构造一种新的离散变量结构优化算法-组合型遗传算法.运用模拟退火技术构造惩罚函数来改造适值函数,使算法更稳定地收敛于全局可行最优解.与基本遗传算法和组合型算法的计算结果比较证明,改进的组合型遗传算法具有局部搜索快和全局性好的双重特点,是可行且有效的离散变量结构优化设计方法.     

基于改进遗传算法的空间网架结构拓扑优化设计

根据工程实际出发,建立离散变量结构拓扑优化模型。针对基本遗传算法(GA)存在的早熟收敛、随机性大、收敛速度慢等不足,从编码方式及遗传算子操作等几个方面对其作了改进,选择操作中引进斐波那契方法,提出一种基于整数编码的改进遗传算法。优化结果表明,这种改进的遗传算法的收敛性得到了很好的改善,提高了计算效率,是有效的结构拓扑优化设计方法。     

基于改进遗传算法的离散变量结构优化设计

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,建立了离散变量结构优化模型。针对遗传算法的缺陷,提出了一种改进的遗传算法。算例结果表明,改进的遗传算法收敛快、精度高,应用于离散变量结构优化设计是有效的。     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

双层肋环式球面网壳结构预应力优化设计

以拉索预应力空间网壳结构的预应力值P、杆件横截面尺寸变量Ab和拉索截面尺寸变量At以及工程中常用的两种球节点体积为设计变量,以结构自重为目标函数,采用分级优化算法对预应力空间网壳结构进行了优化设计,并采用Algor软件对设计结果进行了验证.通过对比分析,验证了该方法的正确性和有效性.     

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。     

解空间种群均匀化自适应遗传算法的应用

提出了一种新型解空间种群均匀的自适应遗传算法，并采用随机方法对初始种群加以改进，使初始种群均匀分布于解空间之中.在优化进程中，引入自适应算法，使交叉的变异算子具有自适应性；将自适应调节机制引入适应值函数中，使适应值函数同样具有自适应性.为证实所提出的改进遗传算法的可行性和有效性，对几种典型的多峰值函数进行了寻优测试.优化测试结果与解析解及标准遗传算法优化结果相对比，证明改进遗传算法的全局搜索能力和收敛性都远优于标准遗传算法.