桁架尺寸优化微分演化算法

为了解决带有应力约束和位移约束桁架结构的尺寸优化问题,将微分演化(Differential Evolution,DE)算法应用于桁架结构的尺寸优化设计.介绍了DE算法的基本原理及其进化策略,给出了桁架结构优化的数学模型.对几个经典问题进行了求解,并与其他优化算法进行了比较.数值结果表明了DE算法收敛特性好、稳定性高,可...     

结构可靠性优化设计的证据理论和微分演化方法

采用证据理论作为传统概率的替代方法处理不精确的数据信息,提出了基于证据理论的可靠性优化设计方法.该方法针对给定的失效概率许用值Pf,通过计算证据理论的不确定测度Pl(F),以Pl(F)Pf作为可靠性约束条件的替代模型进行可靠性优化设计.为了降低基于证据理论不确定量化分析的计算成本,引入微分演化优化算法计算区间边界值.以典型桁架结构形状优化问题为例,验证了所提出方法的准确性和有效性.     

桁架结构多目标优化的微分演化算法

为了解决带有约束的桁架结构的多目标优化问题,本文采用了一种基于微分演化的多目标优化(DEMO)方法。DEMO方法采用多目标优化进化算法中Pareto和拥挤距离排序机制,并保留了DE算法的优点。为了验证DEMO算法的可行性和有效性,对经典桁架进行尺寸优化,并与其他优化方法进行了比较,数值结果表明DEMO算法性能比其他算法要好,其所得的解具有更好的多样性、均匀性和收敛性。     

桁架结构拓扑优化设计的模拟退火算法

研究了平面桁架结构拓扑优化设计的模拟退火算法．构造了一个双重控制Ｍｅｔｒｏｐｏｌｉｓ准则处理应力约束,提出了一个基于力平衡的启发式准则,以实现优化过程中单元的自动增删．算例表明,该方法能够克服桁架结构拓扑优化中因存在非凸星形可行域而造成的拓扑优化求解困难．     

基于可靠性的预应力钢桁架结构优化设计

预应力钢结构是一种将预应力与钢结构相结合的新型结构,本文对预应力钢桁架结构在可靠性分析的基础上,将可靠性指标引入分项系数中,建立优化数学模型,采用遗传算法进行全局选优,通过算例证明了其可行性和有效性．该优化算法可以为预应力钢结构的工程应用提供有价值的参考．     

桁架拓扑和尺寸优化的协同演化算法

针对桁架拓扑优化问题提出桁架拓扑和尺寸优化的协同演化算法。先同桁架拓扑和尺寸优化的数学模型,再对协同演化的机理进行说明,给出算法在桁架问题上实现的编码策略,适应值孙数构造等方法,最后,对一个十杆桁架进行拓扑和尺寸协同演化计算,给出计算结果。     

基于微分演化的结构系统识别

研究了使用微分演化（DE）算法进行结构系统识别的方法,该方法的基本思想是将结构系统识别问题描述成一个多峰值非线性优化问题,同时通过微分演化算法发现系统参数的最优估计。利用该方法在有限的输入输出数据和噪声污染条件下,同时在没有系统质量、刚度和阻尼先验知识的情况下对结构系统进行了识别,数值算例结果表明：DE方法易于实现且计算时占用资源低,同时可以成功地对结构系统进行识别。     

蚁群算法在桁架结构离散变量优化设计中的应用

文章进行了离散变量结构优化设计问题的分析;论述了蚁群算法原理;进行了该算法在桁架结构优化设计中的应用研究;进行了拓展该算法应用领域的尝试;建立了桁架结构的优化设计模型;通过例题来验证该算法应用的可行性和有效性。     

桁架结构随机有限元的可靠性分析

研究基本随机变量对结构可靠性的影响,针对桁架结构分别或同时考虑了结构的物理参数、构件的几何参数以及作用荷载等的随机性,提出了将确定性有限元随机化的方法,结合H-L(Hasofer-Lind)几何法,分别以结构的位移与应力响应作为功能函数,得到结构中构件的最小可靠指标.通过算例表明随机变量的变异系数对构件可靠指标有较大影响,当同时考虑多个基本随机变量时,结构响应呈现出很强的随机性,基于随机有限元的可靠性分析方法具有一定普适性、可行性与实用性.＃     

结构非概率可靠性优化设计

在结构质量限制条件下，提出了一个结构非概率可靠性设计的数学模型。数学模型由两个优化过程组成。第一个优化过程是在结构质量约束下极大化结构非概率可靠性。第二个优化过程是在载荷不确定性条件下，考虑结构应力，位移约束和极小化结构质量。其中第二个优化过程嵌套在第一个优化过程之中。作为一个数字算例。用所提出的优化模型进行了一个桁架结构的非概率可靠性优化设计。当关于所有不确定性载荷的信息严重缺乏时，设计者宜采用最小值最大化法则进行结构非概率可靠性优化设计，设计者如何仅对某个不确定性载荷的特性知之甚少而对其他不确定性载荷的波动变化有较好的了解，则可事先确定其他不确定性参数的值而最大化该不确定性参数。     

多目标优化的微分进化算法

将微分进化算法的应用范围从求解无约束单目标优化推广到求解一般情形的多目标优化.与传统优化算法及一般的进化算法相比,该算法特点在于直接将约束条件以及多目标性结合到进化算子中.算例表明,该算法是有效的.     

多目标优化的微分进化算法

将微分进化算法的应用范围从求解无约束单目标优化推广到求解一般情形的多目标优化。与传统优化算法及一般的进化算法相比,该算法特点在于直接将约束条件以及多目标性结合到进化算子中。算例表明,该算法是有效的。     

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.     

模糊遗传算法在钢桁架结构优化设计中的应用

考虑到约束条件的模糊性,应用遗传算法和模糊集原理对钢桁架结构进行了优化分析.通过对计算结果的比较和分析,可以得出考虑了结构模糊性的遗传算法对于结构优化设计的优越性,它的优点在于增加了得到整体最优解的可能性,同时,提高了收敛精度,降低了收敛过程中的重复次数,减少了计算时间.     

模糊多目标可靠性优化设计的遗传算法

给出模糊多目标可靠性优化设计的一个遗传算法.该方法利用模糊集隶属函数的特性将各子目标函数模糊化处理为能够反映各子目标相对重要程度,具有加权指数的协调满意度函数形式;通过加权函数将各子目标的协调满意度函数综合成统一的单目标优化模型,用遗传算法求解模型.通过实例验证该方法的有效性.     

工程结构优化中的改进生物地理学优化算法

为改进生物地理学优化(BBO)算法在工程结构优化设计中的性能,引入非线性物种迁移模型和"精英引导"等思想对BBO算法进行改进,并将算法应用于结构工程优化领域。以2个连续变量的经典桁架结构为例,进行结构在满足各项约束条件下质量最小的优化设计。数值算例表明,改进算法应用于工程结构优化设计时具有收敛速度快、稳定性好的特点,性能比BBO算法有较大提升,可以有效地应用于工程结构优化设计。     

基于信息熵的改进海豚群算法及其桁架优化

针对基本海豚群算法易陷入局部最优的缺陷,提出了基于信息熵的改进海豚群算法,引入信息熵来度量海豚群搜索阶段的不确定性,控制搜索阶段的选择概率,降低盲目搜索,克服了基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷。将改进后的算法应用到桁架结构的优化中,并与其他算法优化结果进行了比较,证明了改进的算法在收敛速度和寻优精度方面有更好的表现,将其应用到桁架结构优化设计中,为结构优化设计提供了一种有效的方法。     

BP遗传算法在结构形状优化设计中的应用

利用遗传算法(GA)对桁架结构分别进行杆件截面和节点坐标的优化设计,利用BP网络的高度非线性映射能力来得到遗传算法的适应度函数值,替代优化中重复采用有限元分析的方法,降低计算花费时间,提高了算法收敛速度.通过25杆输电塔架算例的优化设计,验证了此方法的实际应用是可行的.     

两段式差分进化算法及函数优化

针对标准差分进化算法解决不同问题时需要对控制参数进行不同的设置,提出了两段式差分进化算法.该算法利用正态分布随机数生成变异率的算子,并把进化过程分为2个阶段,不同阶段分别采用不同的交叉因子,根据不同的配置利用生成变异率来改善算法性能.同时为了加快局部寻优,利用拥有优势解的随机向量指引寻优方向.对一系列Benchmark...