遗传算法对振动平板夯进行优化设计

有关振动平板夯的研究文献所给出的设计参数多为图表、统计曲线等,由于运动关系比较复杂,设计新型夯机时参数的选择比较困难。本文以振动平板夯的振幅值为设计目标,采用遗传算法求解,寻找满足条件的参数。     

大型复杂结构优化问题的遗传算法

大型结构的整体优化问题一般具有多目标、多约束和多混合变量的特点，自由度多达千计，其算法的速度和效率是问题的关键所在．遗传算法是求解大规模函数优化问题的有力工具，在复杂结构的优化设计问题中得到广泛应用．本文介绍了遗传算法的基本思想、特点，阐述近年来遗传算法在结构优化设计及其相关领域的应用现状和重要发展．     

结构优化设计中的组合遗传算法

针对标准遗传算法存在的早熟收敛、随机振荡和收敛速度慢等缺陷,采取改进措施.利用混沌序列的随机遍历性生成初始种群,并把相对差商算法的优化解加入到初始种群中,改善初始种群的性能.采用适应度的指数尺度变换改进传统的适应度评价函数.相对差商算法局部搜索能力强,而遗传算法具有较强的全局搜索性,发挥两者的优势,提出组合遗传算法.把相对差商算法作为一个与选择、交叉、变异平行的遗传算子嵌入到改进遗传算法中,提高局部寻优能力,防止早熟收敛.通过十杆平面桁架的数值算例来验证组合遗传算法应用的可行性和有效性,组合遗传算法的优化结果也远好于标准遗传算法和改进遗传算法.     

基于遗传算法建筑高度的优化求解

随着我国经济与现代化技术的发展,高层建筑规模和数量快速的增长,人们对高质量居住环境的要求越来越高.以往涉及有关日照方面的建筑优化设计问题,存在计算规则和方法过于复杂,数据精度无法保证以及操作性差等问题.因此,采取更有效的方法对建筑日照进行分析与建筑高度的优化设计势在必行.遗传算法与传统的优化方法相比较,以生物进化为原型,具有很好的收敛性,计算时间少,鲁棒性高等优点,广泛地应用在建筑优化设计方面.鉴于此,本文提出一种基于遗传算法的日照约束下建筑高度的优化求解方法.该方法首先将有效时间划分若干个时间切片,基于窗口日照分析确定被遮挡窗口的数量,进一步将拟建建筑区域分割为与时间切片等量的方格,并向上拉伸为遮挡小柱,基于小柱棒影和小柱到窗体距离之间的关系,计算窗口日照累计时间;然后,基于窗口最小日照时间的约束,构建拟建建筑高度最佳值的数学模型;最后,针对该数学模型,设计交叉和变异操作,并增加评价操作,求解最佳建筑高度.实验结果表明,所提方法能够自动求解拟建建筑的高度最优值,并能够准确获得被遮挡窗口的日照累计时间.本文方法还可以在建筑申报以前就计算出该地块的建筑最佳高度,从而计算出该地块最大能开发出的建筑面积,为审批人员批准建筑申报提供了依据,为建筑结构优化设计提供一种有效帮助.     

计算结构瞬态响应的一种新的数值积分方法

以往计算瞬态响应的各种数值方法,例如Wilson θ法、Newmark法等,步长的选择都受到系统固有频率的限制。本文提出的方法克服了这一缺点,从而改善了数值计算的精度,尤其是对固有频率较高的系统更显示其优越性。本方法是利用二次样条函数对Duhamel积分中的非振荡型函数进行插值,导出了相应的数值积分公式。并通过解的误差估计和实例计算表明本方法确实具有上述优点。     

基于遗传算法的建筑结构优化设计应用研究

文章对桁架结构实际工程进行优化设计,引入分部优化法和遗传算法相结合的结构设计优化思路,建立杆件的优化数学模型,以Matlab遗传算法工具箱为平台,引入惩罚函数对实际工程的离散设计变量进行处理,对优化前后的结果进行对比分析。     

板翅式换热器锯齿型翅片参数的遗传算法优化研究

针对目前锯齿型板翅式换热器未能同时优化多参数,或者大多优化研究存在对经验关联式依赖的问题,提出了利用Kriging响应面来近似目标函数与设计变量之间的关系、应用遗传算法对锯齿型板翅式换热器翅片结构参数的优化方法。在维持翅片通道雷诺数为800时,把换热器的最大j因子、最小f因子和最大F_(TEF)因子作为3个单目标函数,对翅片的翅片高度h、翅片间距s、翅片厚度t和翅片节距l进行了优化研究。研究结果表明:翅片高度h与翅片间距s对换热器综合性能F_(TEF)因子呈正增长,而翅片厚度t和翅片节距l呈负增长;在翅片高度为9.5mm、翅片间距为2.2mm、翅片厚度为0.1mm和翅片节距为3mm时,换热器性能最佳;结合Kriging响应面的遗传算法克服了传统优化方法对经验关联式的依赖。该研究结果可以指导锯齿型板翅式换热器的优化设计。     

基于遗传算法的数控机床主轴优化设方法

通过分析主轴的结构和加工过程中的受载变形情况,建立了主轴优化设计的数学模型.针对传统优化设计方法在解决主轴优化设计中出现的问题,引入遗传算法,应用实数编码规则和改进的遗传算子对数控机床主轴进行优化设计.在VC++平台上,利用C++语言构建基于遗传算法的数控机床主轴优化设计系统.通过实例设计及结果分析,验证了应用基于遗传...     

住宅建筑结构优化设计的探讨

优化设计是减少住宅建筑结构建造成本的重要手段之一。本文首先分析了住宅建筑结构优化设计的必要性,总结了住宅建筑结构优化内容,并从不同角度探讨了住宅建筑结构优化设计的方法。     

遗传算法在深基坑支护结构优化设计中的应用

利用遗传算法的基本原理 ,提出深基坑支护结构设计的全局优化算法 .该方法模拟了生物遗传的过程 ,克服了传统优化方法容易陷入局部最优解的缺点 ,降低了对目标函数性质的要求 .通过实例证明该方法的有效性     

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·     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算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·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

基于遗传算法的机械优化设计

阐述了遗传算法的原理、理论基础和实现步骤,将遗传算法与搜索算法进行了分析比较,并附有应用实例。     

基于改进模拟退火算法的建筑结构抗震优化设计

针对“大震不倒”的抗震设防目标．提出一种在强震作用下建筑结构的优化设计方法．依据“用相同的投资获最好的设计”的设计理念,建立以建筑结构最大的层间位移最小化作为优化目标,同时满足体积约束的优化数学模型．采用动力有限元分析模型和高效的显式动力分析方法对强烈地震波作用下的结构进行分析,获得最大的层间位移;采用改进的模拟退火算法求解优化数学模型,设计了一种产生可行解的状态发生器．由该状态发生器产生的新状态均满足所有的约束条件;在显式动力分析软件ANSYS／LS-DYNA的基础上进行二次开发,实现了一个三维框架结构的抗震优化设计．数值算例表明,该方法能获得较高质量的解,具有现实的工程意义．     

基于遗传算法的两足步行机器人步态优化

将具有２４ 个自由度的机器人ＪＦＨＲ简化为７ 连杆机构,建立了描述机器人姿态的位置向量．用三次多项式拟合机器人髋关节和踝关节的位置轨迹,并通过动力学模型建立能量消耗表达式,得到能量最优的步态,即多项式系数的获得就可以表示为一个多变量最小值的优化问题,最后应用遗传算法（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ , ＧＡ）获得最优解．在ＧＡ设计中,将每一个需要优化的参数用１０位二进制数表示,种群中染色体的个数为５０,演化的代数固定为１００,杂交率和变异率分别定为０．８和０．０４．对平地步行和斜坡步行进行了仿真．     

采用遗传算法的网络优化技术

针对树型网络的拓扑结构和数学模型,从个体编码、种群初始化、种群进化、适应度函数等方面构建基于遗传算法的网络优化方法.实验结果表明:所构建的方法进一步修正了适应度函数,增强了弱势个体被选择的概率,避免遗传算法优化过程的过早收敛问题,缩短了执行时间,取得了较佳的网络优化结果.     

求解动态优化问题的改进原对偶遗传算法

针对求解动态0-1优化问题的原对偶遗传算法(pri mal-dual genetic algorithm,PDGA)中一个关键的运算──原对偶映射(pri mal-dual mapping,PDM)进行改进,提出了一种新的适应性的PDM方法.在新的映射方法中,利用种群中染色体各个基因位点上取值的统计信息来计算该基因位点进行PDM运算的概率.在一组动态优化函数的仿真实验中,改进的PDGA算法表现出比原始算法更好的性能.     

基于混合遗传算法的随机结构可靠性优化设计

遗传算法（GA）是一种具有随机搜索技术的进化算法,但在运用过程中出现早熟、收敛速度慢、局部搜索能力差的缺点。对遗传算法中的遗传算子进行了改进,提出了遗传算法和最佳矢量法相结合的混合遗传算法,并引入了小生境技术。分析表明,基于小生境的混合遗传算法即发挥了最佳矢量法局部搜索能力强的特点,又结合了遗传算法全局搜索能力强的优点,使收敛性能大大改善,同时小生境技术的使用,避免了优化过程中局部最优解的出现,提高收敛速度。具体算例表明该混合遗传算法是一种高效的结构优化方法。     

基于遗传算法和模式搜索的混合优化方法

遗传算法具有快速随机的全局搜索能力,但当求解到一定范围时往往做大量无为的冗余迭代,求精确解效率低.模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.本文提出了一种混合遗传-模式搜索算法,该方法是将种群分成两个子群,分别进行遗传算法与模式搜索算法,在每一步中两个子群的最佳结果收集起来,用于更新相互的最优个体.仿真结果表明遗传算法与模式搜索的混合优化方法取得了较好的效果.