遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法。探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法，该算法可处理受应力，位移约束的结构优化问题，数值计算实例表明该算法效率高，具有很强的适应性。     

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.     

离散变量模糊优化的组合形遗传算法及应用

为解决离散变量结构优化客观追求的应该是"满意解"的问题,提出离散变量模糊优化的模型,构造了离散变量模糊优化的对称解法.把离散组合形算法作为组合形操作算子融合到遗传算法中,构造一种离散变量结构优化算法-组合形遗传算法.在建立的对称模糊优化模型中,利用交模糊判决,将模糊优化问题转化成非模糊优化问题来求解,然后运用组合形遗传算法进行非模糊优化问题的求解.最后通过算例证明该方法具有良好的效果,为工程结构优化设计提供具有参考价值的理论依据.     

船体双层底结构优化的粒子群优化算法

为优化船体双层底结构,在适于求解连续变量的标准粒子群优化算法(PSO)基础上,提出一种离散变量PSO算法,并利用标准PSO算法和离散变量PSO算法分别对测试函数和某大型油船双层底结构优化设计问题进行求解,该双层底结构的响应分析计算采用正交异性板计算模型实现.研究了不同取值的惯性权重和学习因子对优化结果的影响.通过对计算结果的对比分析,得出该离散变量PSO算法应用于船体板架结构优化设计时,其惯性权重和学习因子的最佳取值范围.     

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。     

电力系统动态无功/电压优化控制的一种新算法

在动态无功／电压优化控制问题中，将不可导的控制变量动作次数约束条件和含有离散变量的功率平衡等式约束条件进行了可导化的等价转换．利用控制变量中的离散变量构造了二次罚函数并引入到原对偶内点法中，以实现离散变量在优化过程中的逐次归整，在此基础上，建立了完整的基于非线性内点法的动态无功／电压优化控制的数学模型．算例结果表明，该方法在动态无功／电压优化控制中的效率显著优于动态规划法和遗传算法，并且算法迭代次数不随网络规模增大而明显增大，同时该算法既适用于配电系统，也适用于输电系统．     

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。     

基于性能的隔震结构动力优化设计

结合优化问题的特点，应用稳健的优化算法以合理的计算代价求解了非线性隔震结构合瞬态约束的混合变量动力优化设计问题．首先根据投资-效益准则建立了基础隔震结构一体化优化设计模型，其中目标函数是结构寿命周期内的总费用，包括结构初始造价和损失期望，约束条件包括隔震层水平位移、上部结构层间变形等，优化模型同时对上部结构截面尺寸和隔震器参数进行优化．充分利用铅芯橡胶支座隔震结构的局部非线性性质，使非线性隔震结构的时程分析计算效率接近线性动力分析．然后应用合潜在约束策略的序列二次规划算法，并结合选择性动态圆整法进行具有连续、离散混合变量的隔震结构的非线性动力优化设计．算例表明了优化模型和算法的正确性和有效性．     

改进的离散复合形法与门式刚架结构优化设计

在连续变量复合形算法的 基础上，利用平均值舍入法获取离散点，改进了复合式迭代过程和停机准则，使之成为一种能直接求解离散变量优化解。将该方法应用于同济大学开发的钢结构杆系CAD软件－3D3S，建立了门式刚架结构离散变量优化的数学模型，实现了门式刚架结构的优化，取得了较好的效果。     

基于就近取值策略的离散多目标优化

针对现有的离散变量处理方法在求解多目标优化问题中存在精度和可靠性不足的情况,结合离散变量优化问题和遗传算法两者的特点,提出一种能够处理离散变量的就近取值策略.此策略代替了传统对离散优化问题中离散变量的处理方法:将离散优化问题转化为连续优化问题,利用决策变量为连续的优化方法去解决该离散优化问题所对应的连续优化问题的最优解集,最后再按照特定的方法将该连续优化问题的最优解集离散化得到对应离散优化问题的最优解集.将此策略应用在传统多目标遗传算法NSGA-Ⅱ(Non-dominate Sort Genetic AlgorithmⅡ)的遗传算子中得到了离散交叉算子和离散变异算子,使得算法能够真正在离散空间中搜索寻优,并得到了一种基于就近取值策略的离散多目标优化算法(Dispersed Non-dominate Sort Genetic AlgorithmⅡ,DIS-NSGA-Ⅱ).在理论上本方法相比传统方法,对解决离散优化问题更合理,优化结果更精确,有较大优势.最后,通过实验对比现有两种最典型的离散变量处理方法验证了DIS-NSGA-Ⅱ对解决离散变量优化问题的有效性.     

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。     

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。     

基于改进遗传算法的离散变量结构可靠性优化设计

根据离散变量结构可靠性优化设计的特点与难点,提出了基于改进遗传算法的可靠性优化设计方法,通过１５６杆输电出服失效状态下的可靠性优化设计与简易海洋平台屈服及疲劳失效上的可靠性优化设计实例,验证了方法的有效性,在计算速度及解的质量方面都取得了比较满意的结果。     

基于离散变量遗传算法的注塑模浇口位置优化设计

建立了一个注塑模浇口位置设计的多目标优化模型,以浇口位置作为设计变量,优化充填过程中入口压力、温度分布等主要工艺参数以减小制品的翘曲程度.将拟精确罚函数和基于信息熵的多种群离散变量遗传算法相结合,发展了一种求解注塑模浇口位置多目标优化问题的迭代格式.在遗传进化中采用了多种群遗传策略和基于信息熵的空间减缩搜索技术,从而大大提高了遗传进化的效率.将该算法与注塑模流动数值模拟程序结合进行浇口位置优化设计.算例表明所提出的方法适用于注塑模浇口位置优化,并且有较好的计算效率和精度.     

基于智能算法的齿轮优化设计软件的开发

利用ActiveX技术,通过VB语言与Matlab软件混合编程,开发了齿轮优化CAD软件,实现齿轮传动的自动优化设计,极大地提高了齿轮的设计效率和质量。在优化过程中,将人工智能中BP神经网络与遗传优化算法相结合,有效解决局部极小和收敛速度的问题,同时解决含有连续/离散混合变量的齿轮优化问题。     

包含两类变量的离散变量框架结构拓扑优化设计

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梁单元组成的框架结构的拓扑优化，建立了包含两类变量的框架结构拓扑优化设计模型，构造了包含应力约束和位移约束的统一约束函数，发展了统一处理两类变量，求解包含两类变量的框架结构拓扑优化设计问题的算法，并给出了两个算例．     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

离散体结构拓扑优化综述

本文分析了离散体结构拓扑优化的尺寸、独立拓扑变量及布局优化模型,讨论了基结构在工程设计和实际应用方面的缺陷及解决方法,评述了离散体结构拓扑优化的求解算法,简单介绍了离散体结构拓扑优化在实际工程中的应用,对拓扑优化的进一步理论研究、实际应用、软件开发做出了展望。     

基于混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、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·算例结果表明,该方法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法·     

改进混合遗传算法在建筑结构优化设计中的应用

针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点,提出引入转基因算子与单亲遗传算子,同时提出一种离散变量结构优化设计的三等分割算法,通过与遗传算法相结合并运用到初始群体形成和进化过程中,使两种算法既可相互独立地运算,又可彼此相互协调、共同作用．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,建立离散变量结构优化模型．各种算法的优化结果对比表明,改进混合遗传算法具有省时、高效、局部搜索能力强和全局性好的特点。