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.     

大跨张弦桁架结构尺寸优化设计研究

以结构重量为优化目标函数,以杆件截面为设计变量,对大跨张弦桁架结构进行尺寸优化设计研究,考虑了杆件长细比、强度和稳定以及结构刚度等约束条件.杆件截面设计变量采用现行规格离散值,利用直接搜索法进行优化搜索.研究表明,大跨张弦桁架结构设计是由结构刚度条件控制的,直接搜索法与离散设计变量联合使用提高了优化搜索速度.     

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.     

基于混合离散复合形法的工程优化设计

针对工程中大量存在的设计变量为离散型和连续型的混合离散变量优化设计问题,提出了连续变量及非均匀离散变量的均匀离散化处理方法,并借鉴离散变量的搜索优化法,在连续变量的复合形法基础上,探讨了一种求解有约束非线性混合离散变量的优化设计问题的方法———混合离散复合形法。算例表明,混合离散复合形法可用于工程结构优化设计中,其结果不需圆整,解题可靠性和效率大大提高。     

杆、梁结构离散变量拓扑优化设计

在考虑断面面积和拓扑两类离散变量及其耦合关系的基础上,建立了离散变量拓扑优化设计的数学模型;该模型反映了拓扑优化问题的耦合优化本质,有效地避免了“极限应力”和“奇解”对拓扑优化问题的困扰;为求解上述数学模型,提出了“拟机率-网格搜索法”;用该法对包含两类变量的杆、梁结构进行了拓扑优化设计,收到了较好的效果。     

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.     

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.     

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。     

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。     

离散变量结构优化设计的复合形遗传算法

对离散复合形法提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,从而建立了一种离散变量结构优化设计的混合遗传算法·算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的·     

遗传优化算法及含有模糊目标和模糊约束的机械优化设计

针对机械工程中的非线性约束优化的工程问题 ,提出了一种新的遗传算法。该方法在遗传算法中通过去掉等式约束、构造浮点型编码向量、精心设计动态遗传及变异算子等改造操作 ,较大地提高了寻优效率和寻优能力 ,并用Matlab语言开发了相应软件。对设计的算法与一般遗传算法、变尺度法以及随机搜索方法进行算例比较。对于含有模糊目标和模糊约束冗余系统可靠性优化设计问题 ,通过定义隶属函数 ,把问题转化为清晰的普通优化问题利用改进的算法求解 ,以提高求解的精度和可靠性     

一种考虑环境作用的协同免疫遗传算法

在综合考虑了环境对生物进化的影响、免疫算法的结构以及遗传算法部分算子的基础上,提出一种考虑环境作用的协同免疫遗传算法(ESIGA),以实现提高算法搜索速度和全局搜索能力的目标.在该算法中,设计了克隆环境演化算子和自适应探索算子,并构造了3个子种群协同进化以发挥克隆环境演化算子的影响,从而提高算法的全局搜索能力.引入的自适应探索算子和克隆环境演化算子,使算法具备了一定的学习能力,可加速搜索和防止早熟.构建的主种群和协同种群相互影响,使得算法对环境具有改良能力,加强了克隆环境演化算子的性能,而精英种群则加强了算法在优质个体邻域的搜索能力.采用13个常用无约束优化问题测试函数对算法做了检验,测试数据表明:ESIGA算法与正交遗传算法相比,其搜索速度要快于正交遗传算法1～2倍,并能够处理1 000维的高维优化问题.     

同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

基于遗传禁忌混合算法的低相关区序列集搜索方法

提出一种基于遗传-禁忌混合算法(genetic-taboo hybrid algorithm)的低相关区(low correlation zone,LCZ)序列集的搜索方法.建立搜索LCZ序列集的优化模型并设定了模型的目标函数,将禁忌算法嵌入到遗传算法的变异操作中,提出一种遗传-禁忌混合算法,该算法利用遗传算法的全局搜索能力和禁忌算法的局部搜索能力从而实现高效搜索.迭代过程中,种群在进入新一轮进化之前,首先剔除移位等价序列(shift equivalent sequence),从而保持种群的多样性,防止算法过早收敛.根据优化算法收敛后目标函数保持不变的特点,设定了算法结束准则,当超过一定进化代数后目标函数值仍保持不变,则认为进化结束.对非周期四元和周期二元序列集进行数值仿真,结果证明了该方法的有效性.     

免疫进化模糊聚类算法在边缘检测中的应用

针对图像处理中的模糊边缘检测问题,提出一种免疫进化模糊聚类算法.该算法在传统遗传算法全局随机搜索的基础上,借鉴了生物免疫机制中抗体的多样性保持策略,改善了遗传算法的群体多样性,具有更好的全局搜索能力.实验结果表明,该算法不仅具有很强的模糊边缘和微细边缘检测能力,而且可以减弱基于遗传算法的模糊聚类算法在遗传后期的波动现象.     

遗传算法在电力系统经济负荷分配中的应用

针对电力系统经济负荷分配问题的特点,应用极大熵理论将经济负荷分配问题转化为可微问题·在分析了遗传算法与传统数学优化方法的不同优势与特性的基础上,将遗传算法与传统数学优化方法相结合引入局部搜索算子实现快速搜索,提出了一种求解电力系统经济负荷分配问题的改进遗传算法·同时,应用多点均匀交叉算子提高遗传算法的全局收敛性能,将种群逐步向最优点进行引导·实例研究结果验证了方法的有效性·     

改进的遗传算法在优化设计中的应用

针对实际机械优化设计中大量的非线性规划问题,提出一种改进的遗传算法.在对单纯形搜索与算术交叉思想进行分析的基础上,将二者相结合,提出了改进的交叉算子以提高遗传算法的局部寻优能力,将种群逐步向极值点引导,实现算法的快速寻优.同时,为了更好地引导非可行个体趋近可行域,改善解的可行性,将惩罚策略与修复策略相结合提出修复算子,对不可行解进行修复操作,加快个体趋近可行域的速度,提高算法搜索效率以及对非线性约束的处理能力,从而达到改善算法整体性能的目的.实际机械工程优化设计问题的应用研究验证了这种方法的有效性.