离散变量桁架结构的布局优化设计

研究了多工况下受应力、位移约束的离散截面变量桁架结构的布局优化问题，提出了一个序列两级算法。在第一级优化中进行形式－截面优化，在第二级优化中进行拓扑优化。两级优化交替进行，最后得到最优的拓扑形式、几何形状和截面积分布。算例表明本法能够得到较好的布局优化结果。     

离散变量桁架的形状优化设计

提出了离散截面变量空间桁架形状优化的一个两级算法．在第一级优化中，固定节点的位置，以杆件面积为设计变量，进行离散变量截面优化；在第二级优化中，以节点坐标为设计变量，同时考虑截面变化；形成一系列优化子问题，按目标函数下降方向用Ｆｉｂｏｎａｃｃｉ法搜索出各坐标设计变量的最优变动值，从而形成新的节点位置．两级优化交替进行，直到收敛为止．算例表明本方法简单，收敛平稳，优化效果较好．在算例中讨论了不同的节点坐标初值对优化结果的影响及产生原因．     

离散离量桁架的形状优化设计

提出了离散截面变量空间桁架形状优化的一个两级算法。在第一级优化中，固定节点的位置，以植件面积为设计变量，进行离散变量截面优化；在第二级优化中，以节点坐标为设计变量，同时考虑截面变化；形成一系列优化子问题，按目标函数下降方向用Ｆｉｂｏｎａｃｃｉ法搜索出各坐标设计变量的最优变动值，从而形成新的节点位置。两级优化交替进行，直到收敛为止。算例表明本方法简单，收敛平衡，优化效果较好，在算例中讨论了不同的节点     

离散变量桁架结构拓扑优化的杂交算法

为了加快遗传算法的进化过程,提出了遗传算法和拟满应力算法相结合的杂交算法,并将它应用于离散变量桁架结构的拓扑优化问题·在对桁架结构受力分析的基础上,提出一种启发式方法对随机生成的拓扑结构形式作必要修正,以快速产生符合机动性要求的拓扑结构形式·利用遗传算法进行桁架结构拓扑优化,用拟满应力算法进行截面优化,并将截面优化的结果传递给遗传算法作为拓扑优化中遗传操作的根据,这样大大减少单纯用遗传算法进行优化的解空间,从而加快搜索进程·算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的·     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

混合离散变量优化方法在机械设计中的应用

在机械优化设计中,混合离散变量优化方法得到了广泛的应用,具有较高的工程应用价值。通过实例证明离散变量优化方法比常规优化设计效率高,可靠性好,是目前解决机械优化设计问题的有效途径。     

基于CLPSO算法的混合变量桁架形状优化

为了解决混合变量桁架形状优化问题中离散截面面积和连续节点坐标的变量耦合给优化带来的困难,将一种新型智能优化算法——基于"综合学习策略"的粒子群算法(ComprehensiveLearning Particle SwarmOptimization,CLPSO)应用于桁架混合变量形状优化问题中。给出了考虑离散截面面积和连续节点坐标两类不同性质的设计变量的混合变量桁架结构形状优化的数学模型,并对经典桁架结构进行混合变量的形状优化,将所得结果与其他优化算法结果进行了比较。分析结果表明了该方法进行混合变量桁架形状优化设计的有效性。     

离散变量结构优化设计的混合遗传算法

针对离散复合形法提出了一种新的初始点产生办法，并基于满应力思想，对离散复合形法进一步做了改进，提高了离散复合形法的局部寻优能力，从而构造了一种改进的离散复合形法用于离散变量结构优化设计；对基本遗传算法运用Hamming距离控制种群的个体差异；在适应度计算过程中加入判定因子来减少结构重分析次数：在遗传操作中。对交叉和变异操作做了改进．并把复合形算子嵌入到复制操作中，从而建立了一种离散变量结构优化设计的混合遗传算法。算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法，是可行和有效的。     

混合离散变量的整型优化方法

本文对混合离散变量的优化问题进行了探讨,提出了将混合离散变量转换为单一的纯整型离散变量、并在整型空间内对全离散或混合离散变量、约束非线性问题进行优化设计的新方法。     

适用于桁架结构优化设计的一种有效方法

本文针对桁架结构优化设计时存在多种离散变量和多种约束条件的情况,将改进的离散变量直接搜索方法与结构有限元分析相结合,形成了适用于桁架结构设计的优化方法MADOP,同时研制了该方法的应用软件。通过对两个桁架结构优化设计表明,本方法是十分有效的。     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，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一混沌遗传算法；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，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

离散变量桁架结构拓扑优化的遗传禁忌搜索算法

采用遗传禁忌搜索算法求解多工况多约束的桁架结构拓扑优化问题.在遗传算法中采用直接比较-比例方法(DCPM)处理约束,避免了确定罚因子的选择问题.为了提高遗传算法的局部搜索能力,在每一代遗传操作之后选择一定比例的解进行禁忌搜索,形成遗传禁忌搜索算法,以提高算法的全局搜索能力和收敛速度.数值算例表明,该方法用于求解多工况多约束的离散变量桁架结构拓扑优化问题是方便、快速和有效的.     

对离散变量结构拓扑优化设计几个问题的探讨

探讨了离散变量结构拓扑优化的三个问题，指出离散变量拓扑优化也存在所谓奇异拓扑的现象，指出设计变量的离散程度和位移约束影响最优拓扑，优化设计时不可忽视。     

天线结构的多工况离散变量优化设计

针对天线结构受载及工作状态的复杂性,研究了天线结构的多工况离散变量优化设计问题。首先建立了天线结构在自重、风荷作用下受精度、应力和稳定性约束的多工况优化设计的数学模型;其次根据材料特点,将设计变量取为离散变量,给出了天线结构的多工况离散变量优化设计数学模型。采用离散复合形法,对多工况8 m天线进行了优化计算。结果表明,计算结果与分析结果相吻合,该方法可应用于多工况天线结构优化设计中,且精度较高。     

离散变量板壳结构拓扑优化设计及其应用

将包含两类变量的桁架结构拓扑优化设计的概念及求解离散优化的相对差商法进一步推广到由板壳单元组成的板壳结构的拓扑优化,建立了包含两类变量的板壳结构拓扑优化设计模型,并采用相对差商算法进行求解．最后给出了一个特种车起竖油缸支撑横梁拓扑优化的工程实例．     

寻求离散变量结构优化设计0－1规划可行集的差商向量法

利用相对差商向量法寻求离散变量结构优化设计０－１规划模型原变量可行集。本法是按各设计变量相对差商的负方向搜索设计变量的“可行基点”，依此求得与０－１规划相对应的原设计变量的可行集；目的是使“可行基点”更好地逼近最优解，以减少优化过程的迭代次数，提高计算效率。     

采用混合遗传算法的建筑结构优化设计

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,建立了建筑结构优化模型。并提出一种离散变毓结构优化设计的进退搜索算法与标准遗传算法结合成混合遗传算法,既发挥了进退搜索算法高效、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。算例结果表明,这种混合遗传算法收敛快、精度高,优于标准遗传算法和进退搜索算法：是兼二者之长,弃二者之短的高效的理想优化方法,可以直接用于多种建筑结构的优化设计。     

离散变量结构优化设计序列定界组合算法研究

首先给出了离散变量结构优化设计的数学模型,然后将总组合数按照设计变量的取值分类,把原规划问题分解成若干个维数更低、许用离散集更少的子问题;在算法设计过程中,将离散变量定界组合算法的思想应用于该问题,给出了定界的新方法。若干算例表明,该方法可以大大减少组合搜索的次数,提高解题效率。