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·     

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.     

基于拟满内力遗传算法的方钢管混凝土桁架结构拓扑优化

为了解决方钢管混凝土桁架结构离散变量拓扑优化问题,通过遗传算法随机生成初始拓扑构形,采用启发式算法检查并修正拓扑构形;以方钢钢管截面型号、拓扑变量、混凝土强度等级为优化变量,以结构造价最低为优化目标,建立基于独立拓扑变量的拓扑优化数学模型,提出一种基于拟满内力遗传算法的方钢管混凝土桁架结构拓扑优化方法;拟满内力遗传算法初始总群中部分个体由拟满内力算法的优化解产生,并且将拟满内力算法作为算子加到遗传操作后运行;同时对传统遗传算法的罚函数进行改进,提高遗传算法运行效率;通过算例对12杆桁架结构优化前、后模型及拓扑优化结果进行对比。结果表明：相对于拟满内力算法与遗传算法,所提出的方法应用于方钢管混凝土桁架结构拓扑优化总造价更低;拓扑优化后的结构杆件较少,并且各杆件均已充分发挥承载能力,拓扑优化效果明显改善。     

考虑惯性载荷的多材料结构拓扑优化

基于导重法构建了惯性载荷作用下的多材料结构拓扑优化数学模型，在体积约束下使得其结构柔度最小.将多材料拓扑优化问题分解为一系列单材料拓扑优化问题，采用材料属性有理近似模型（Rational Approximation of Material Properties，RAMP）来表达密度与弹性模量间假定的非线性函数关系，利用导重法建立惯性载荷下设计变量的迭代表达式并通过数值算例验证导重法在考虑惯性载荷作用下多材料结构拓扑优化的有效性.算例结果表明：RAMP插值方法相比其他常用插值模型得到的拓扑构型更清晰，灰度单元更少，在算例1的对比中结构柔度最高降低了35.2%.受惯性载荷影响越大的设计区域其分布的材料弹性模量越大，且高模量密度比能够显著提升结构刚度.     

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·     

基于二级多点逼近算法的连续体结构拓扑优化

针对基于变密度法的连续体拓扑优化中设计变量连续性的特点,建立了以结构重量最小为目标,考虑位移和频率约束的连续体结构拓扑优化模型;原拓扑优化问题先转化为具有较高精度的第一级多点近似序列问题,该问题的约束函数由优化过程中历史设计点的临界约束函数值及其一阶导数构造;再通过线性泰勒展开建立可由对偶法快速求解的第二级近似序列问题,以逼近各第一级近似问题的解. 采用敏度过滤技术,避免棋盘格引起的数值缺陷问题,并对低密度区域的单元刚度进行惩罚,以消除频率约束问题的局部模态现象. 优化过程中采用通用有限元程序Nastran进行结构分析和敏度分析. 数值算例结果表明:应用该方法可以有效地解决具有位移和频率约束的连续体拓扑优化问题.      

高速列车车厢夹层板断面结构的多目标优化

为获得不同运行速度和工况下的高速列车车厢侧墙结构,在拓扑优化结构的基础上进行了多目标优化研究。将侧墙夹层板质量、柔度、最大变形作为优化目标,以侧墙5段夹层结构的面板和夹心厚度为变量、车厢气压变化梯度为约束函数,利用代理模型技术,建立了各目标、约束函数与变量之间的代理模型,通过非支配遗传算法NSGA-II,得到了多目标的Pareto解集。该Pareto解集中的夹层板结构比拓扑优化得到的夹层板结构的最大变形性能提高了8.21%到33.58%,设计时可根据具体的要求和经验从Pareto解集中进行选择,从而为不同运行速度和工况下的高速列车车厢断面结构的设计提供了多种选择方案。     

多层人工神经网络合理结构的确定方法

隐层结构如何选择是多层人工神经网络应用中一个关键问题·基于多层神经网络优化算法原理和非线性方程理论,建立了多层神经网络计算输出和理想输出关系的非线性方程组,分析了权阈变量、标准样本数量和输出层单元数量的内在关系,给出隐层层数和每个隐层单元数量选取应该满足的基本条件·提出多层神经网络合理结构,即隐层层数和每个隐层单元数量选取的一般原则,给出隐层结构定量求解的直接计算方法和间接优化计算方法·对具体算例进行了合理结构分析,通过神经网络优化算法对多种结构组合比较,表明所提出的合理结构分析方法的正确性·这种方法将为多层神经网络在工程应用中如何选取合理结构提供理论依据和选取有效方法·     

导重法求解柔性机构多目标拓扑优化问题

柔性机构中为同时考虑结构的刚性和机构的柔性,研究结构整体柔度最小化和结构输出位移最大化的多目标拓扑优化设计方法.建立基于RAMP插值模型的多目标拓扑优化设计模型,采用伴随敏度分析法进行目标函数敏度分析.将导重法引入到柔性机构拓扑优化问题的求解中,推导出柔性机构多目标拓扑优化问题的迭代表达式.对柔性机构的典型算例进行拓扑优化计算,算例结果表明,基于RAMP插值模型结合导重法求解柔性机构多目标拓扑优化问题具有设计变量少、收敛速度快、优化效率高的特点,上述方法的结合为求解柔性机构多目标拓扑优化问题提供了一条新途径.     

伙伴挑选中的模糊可靠性优化模型

研究了伙伴挑选中的模糊可靠性优化问题,并设计了带有模糊约束和模糊目标的可靠性优化模型,利用隶属度定义将模糊优化模型进行清晰化处理·并设计了遗传算法进行了模型求解·大量实例计算表明了模型和算法的可行性和有效性     

A Neurocomputing Model for Binary Coded Genetic Algorithm

A neurocomputing model for Genetic Algorithm (GA) to break the speed bottleneck of GA was proposed. With all genetic operations parallel implemented by NN-based sub-modules, the model integrates both the strongpoint of parallel GA (PGA) and those of hardware GA (HGA). Moreover a new crossover operator named universe crossover was also proposed to suit the NN-based realization.This model was tested with a benchmark function set, and the experimental results validated the potential of the neurocomputing model.The significance of this model means that HGA and PGA can be integrated and the inherent parallelism of GA can be explicitly and farthest realized, as a result, the optimization speed of GA will be accelerated by one or two magnitudes compered to the serial implementation with same speed hardware, and GA will be turned from an algorithm into a machine.     

基于改进遗传算法的RTM注射速率优化

针对目前遗传算法初始种群大多数为随机产生,注射速率优化过程容易早熟或不收敛问题,提出了基于注射速率规则的改进遗传算法。在大量注射速率历史数据基础上,建立了注射速率影响因素决策表,提出了规则相似度计算模型。由基于规则的种群生成算子生成初始种群,以填充质量最优为目标,并构造适应度函数,然后进行遗传操作,最后采用面向对象编程语言实现该算法。实例表明该算法比标准遗传算法收敛更快,而且在用该算法优化得到的注射速率下的充填质量比在用标准遗传算法优化得到的注射速率下的充填质量更好,说明采用改进遗传算法优化注射速率更为合理和可靠。     

两阶段遗传算法在求解TSP问题中的应用

为了提高利用遗传算法求解TSP(traveling saleman problem)问题的能力,给出了一种种群多样性的定义,提出了一种利用2个阈值在贪婪优化遗传算法和退火单亲遗传算法间切换的两阶段遗传算法,从而可以在保持种群多样性的基础上优化种群.两阶段遗传算法在种群多样性下降到一定程度时,转换遗传方式,在继续寻优的同...     

Ca2+和GA3对早白菜苔和薜荔种子萌发的影响

用适宜浓度的钙和赤霉素及其复合溶液浸种处理早白菜苔、薜荔的种子,研究处理对种子萌发的影响.结果表明:(1)低浓度的Ca2 和GA3都可以明显提高种子的活力; (2)Ca2 和GA3的复合溶液对种子的萌发具有更良好的促进作用,各处理间具显著性差异,差异性主要是由GA3引起的; (3)Ca2 和GA3复合溶液处理的淀粉酶活性高于由Ca2 或GA3单独处理的,而且以后酶活性回降的幅度也是复合处理的小于单独处理的.     

滚动直线导轨副运动精度分析的遗传算法研究

为了使滚动直线导轨辐运动精度的动态检测结果精度提高，分析了直线度误差评定基准直线的求解过程，从而采用遗传算法对其进行寻优，详细讨论了采用遗传算法求解直线度误差的处理过程，对不同工况时的运动精度分别用首尾连线法，最小二乘法及遗优算法进行了实例计算分析比较，遗传算法评定直线度误差精度高且具有良好的稳定性。     

遗传算法进化中积木块的识别和利用研究

提出了一种基于积木块识别的遗传算法，该算法通过对进化过程中的候选积木块进行识别与利用来加速搜索，从而避免遗传算法随机搜索的盲目性．利用经典的对称旅行商问题求解过程来测试各种识别方法，再利用积木块的识别结果改进原有遗传算法，包括改进积木块的识别率以及基于积木块的交叉、变异算子．与基本遗传算法的计算结果对比分析表明，所提算法可显著提高遗传算法的搜索效率，减小遗传算法随机搜索的波动性．     

东兴金花茶花果期内源激素动态变化

【目的】摸清濒危植物东兴金花茶(Camellia tunghinensis Chang)开花少、结实率低的生理问题,为其物种保护、恢复提供理论依据。【方法】选用东兴金花茶为材料,借助酶联免疫吸附法(ELISA)测定植株花果期枝、叶、蕾、花、果中内源吲哚乙酸(IAA)、赤霉素(GA_3)、细胞分裂素(ZR)、脱落酸(ABA)的含量,并分析这4种内源激素含量及比值的变化规律。【结果】花果期,东兴金花茶植株IAA、ZR、ABA平均含量高低排序:枝叶,GA_3含量为叶枝;IAA平均含量:果花蕾;ZR平均含量:蕾花果;GA_3平均含量:果蕾花;ABA平均含量:花蕾果。果枝叶IAA含量先低后高,ZR含量呈"M"字形变化,GA_3含量先高后低,ABA含量变化为"低-高-低-高";IAA/ABA、(IAA+GA_3)/ZR变化为先低后高,ZR/ABA变化为"高-低-高-低",GA_3/ABA变化为先高后低。果枝IAA、ABA含量变化为"低-高-低-高",ZR含量先高后低,GA_3含量先低后高;IAA/ABA呈"W"字形变化、GA_3/ABA、ZR/ABA变化为"高-低-高-低",(IAA+GA_3)/ZR变化为"低-高-低-高"。蕾、花、果中,IAA、GA_3含量整体上升,ZR含量整体下降,ABA含量则为"上升-下降";IAA/ABA、(IAA+GA_3)/ZR比值呈"W"字形波动上升,ZR/ABA则呈"W"字形波动下降,GA_3/ABA"低-高-低-高"。【结论】在生产中,提高ZR、ABA含量而降低IAA、GA_3含量利于东兴金花茶的花芽分化。在结实期,高IAA、GA_3浓度和低ABA浓度利于提高坐果率,减少落花落果,促进高产稳产。     

PVA/TEOS/GA杂化膜的制备及溶胀吸附性能

采用溶胶-凝胶法(sol-gel)制备了PVA/TEOS/GA有机/无机杂化膜,比较杂化膜在3种不同温度下在乙醇/水全浓度范围的溶胀性能,分析无机相和交联剂对PVA膜溶胀性能的影响.比较不同溶胶-凝胶反应条件及不同热处理条件对膜溶胀度和溶解选择性的影响.用FTIR和XRD对杂化膜结构进行分析表征.结果表明PVA与无机相(TEOS)发生溶胶-凝胶反应生成氢键和共价键Si-O-Si,形成交联有机聚合物/无机杂化体系,使杂化膜的结晶度减少,控制了膜的溶胀,提高膜的溶解选择性能,但膜的溶胀减少会使通量有所下降.加入GA后,使PVA杂化膜溶胀度和溶解选择性都有所提高,表明PVA杂化有利于控制膜在乙醇/水溶液中的溶胀,从而提高膜的分离性能.     

基于遗传算法和高斯牛顿法的超声回波信号参数估计

在超声回波信号参数估计中,如果高斯牛顿法选取的迭代初值接近参数向量的真实解,则容易找到最优解;如果初始值远离最优解,则高斯牛顿法不收敛或者只收敛到局部最优解。针对高斯牛顿法对迭代初值敏感的问题,提出了遗传算法和高斯牛顿法结合的参数估计方法。该方法充分利用遗传算法善于进行全局搜索和高斯牛顿法善于进行局部快速搜索的优点,首先使用遗传算法求出超声回波信号的参数初值,然后利用这组初值进行高斯牛顿法迭代搜索。仿真结果表明,基于遗传算法和高斯牛顿法相结合的方法,具有收敛速度快、精确度高的特点。