改进的遗传算法在型钢桁架结构拟满应力优化设计中的应用研究

将遗传算法应用于型钢桁架的拟满应力优化设计中,为改进传统遗传算法优化计算过程中结构重分析次数太多、搜索效率不高的缺点,运用并列选择技术对传统的遗传算法进行了改进.把型钢桁架的满应力优化设计看作是一个多目标优化问题,同时把离散变量的满应力优化设计与改进的遗传算法相结合,充分考虑受压杆件的稳定性,建立以各杆应力比最大为优化目标的适应值函数,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,建立了型钢桁架结构的优化模型,大大提高了优化运算效率.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.     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

考虑压杆稳定性的桁架拓扑优化设计

目的 初探用进废退思想在桁架拓扑优化设计中的应用,开发相应的优化程序并用算例进行验证。方法 在桁架拓扑优化设计中考虑结构中受压杆的稳定性,同时考虑材料应力约束和压杆的稳定应力约束,通过杆件的实际受载情况及其应力约束值来调整各杆件的截面积,剔除优化结果中截面积小于阈值的杆件,以得到最优的拓扑结构和杆的截面大小,使各杆在保证结构稳定的前提下各尽所能,物尽其用。结果 优化结果表明桁架达到减重和安全稳定的     

粒子群优化算法在机械优化设计教学中的应用

机械优化设计是机械类专业的一门重要的专业课,目前在机械优化教学中介绍的是传统的优化算法,这些方法对于局部极值及目标函数的可微性有严格要求,不能解决高维、多目标及优化设计问题的要求。粒子群优化算法是近几年发展起来的一种基于群体智能的进化计算技术,对优化问题无可微性和连续性要求,具有全局收敛性,本文在机械优化设计教学中引入了粒子群优化算法,为学生解决复杂工程优化设计问题打下基础。     

模拟退火算法在钢桁架优化设计中的应用

将模拟退火算法应用于桁架结构离散变量优化问题,提出新的用于离散变量的退火邻域结构,进行了三杆和十杆桁架结构模拟退火算法优化计算,并与遗传算法和传统优化设计方法的优化结果进行了比较.结果表明模拟退火算法对桁架结构离散变量的优化问题更加有效,且新的邻域结构加快了算法的收敛速度,提高了算法的稳定性和有效性.     

基于粒子群-布谷鸟搜索算法的桁架结构优化设计

为进一步提高布谷鸟搜索(Cuckoo Search,CS)算法在桁架结构优化设计中的适应性能,克服CS算法搜索新解过程相对盲目、速度慢、精度低的缺点,把粒子群(PSO)算法中粒子位置更新思想引入到CS算法中,并将粒子群-布谷鸟搜索(PSO-CS)算法应用于桁架结构尺寸优化设计.以10杆经典桁架为例,在满足应力约束、位移约束的条件下,对桁架结构进行尺寸连续设计变量和离散设计变量最优化设计,并与其他优化算法的结果进行对比.数值算例结果表明,PSO-CS算法具有收敛速度快、精度高、稳定性好的特点,可以有效地解决桁架结构尺寸优化问题.     

复杂系统可靠性优化的混合万有引力搜索算法求解

复杂系统可靠性优化问题是一类有约束限制且目标函数具有多个局部极值的非线性优化问题.为求解该类问题,提出了一种混合万有引力搜索算法的求解方法.算法利用基于万有引力定律的寻优机制指导群体进行全局搜索,并采用序列二次规划算法进行局部搜索,避免基本万有引力搜索算法陷入局部最优,改善优化性能,加快寻优速度.通过实例计算,并与蚁群优化算法、微粒群算法、蜂群算法和基本万有引力搜索算法等进行比较,验证了算法的可行性和有效性.     

基于粒子群算法的平面刚架及组合结构的优化

桁架结构受力简单,内力只有轴力,刚架结构的受力、内力情况则相对要复杂得多,故传统平面结构优化的研究多是对桁架结构的研究,针对刚架结构或刚架与桁架的组合结构研究甚少.然而,现实工程中的结构多是刚架或组合结构,仅仅对桁架结构进行优化研究远远不能满足现实工程的需要.粒子群优化算法(PSO)是近些年发展起来的一种基于群智能的演化运算技术,概念简单、易于实现,且具有良好的智能背景.本文基于粒子群优化算法对平面刚架及平面组合结构的有应力约束和位移约束的尺寸优化问题进行了研究,并将所得优化结果与改进的可行域算法(MMFD)、序列线性算法(SLP)、序列二次规划(SQP)等传统优化算法的结果进行比较.结果表明粒子群优化算法具有良好的全局收敛性与稳定性,能够更好地解决平面刚架及平面组合结构的优化问题.     

改进的粒子群优化算法(IPSO)及其在桁架设计中的应用

根据土木工程结构优化设计的特点,针对标准粒子群算法(PSO)在求解问题时因粒子多样性不足而易出现早熟、约束不易处理等现象,对标准的粒子群算法进行了改进.应用改进的粒子群算法(IPSO),实现了桁架结构单目标多变量的最优设计.通过与标准的PSO算法和其他优化算法的对比,发现采用IPSO算法具有较好的收敛性能和较高的精度,研究表明该算法实用可行,有望实现对复杂土木工程结构的优化设计,具有重要的理论价值及广阔的工程应用前景.     

基于多目标协同优化算法的卫星结构优化设计

针对卫星系统中多目标、多约束、耗时的结构优化问题,建立了卫星结构的多目标协同优化模型.将协同优化方法与全局多目标优化算法相结合,并针对协同优化方法的缺陷采取一些改进措施,提出了协同优化方法与全局多目标优化算法(CO-PE)组合优化方法.以某卫星结构多目标优化问题为例,在iSIGHT优化软件中对卫星结构进行多目标协同优化设计,通过CO-PE组合优化方法获取Pareto最优解集.优化结果表明,多目标协同优化模型能够简化优化问题的复杂度,基于近似模型的CO-PE组合优化方法具有较好的准确性和高效性,对实际工程中类似的复杂结构优化问题具有一定的参考价值.