小生境遺傳算法離散變量結(jié)構(gòu)優(yōu)化設(shè)計

遺傳算法在結(jié)構(gòu)離散變量優(yōu)化中的應(yīng)用——利用遺傳算法的基本原理，提出了結(jié)構(gòu)離散變量優(yōu)化設(shè)計的全局算法。該方法模擬生物遺傳進化的過程進行優(yōu)化求解，解決了離散變量的優(yōu)化問題，對于多峰值函數(shù)、不可導(dǎo)的函數(shù)能以較大的概率求得全局最優(yōu)解。通過實例證明了該...

粒子群優(yōu)化算法在離散變量結(jié)構(gòu)優(yōu)化中的應(yīng)用——介紹了用于離散變量的粒子群優(yōu)化(pso)算法以及加入了約束處理的啟發(fā)式粒子群優(yōu)化(hpso)算法。將hpso算法的約束處理策略與另一種適用于粒子群算法的約束處理方法結(jié)合，并將改進后的算法應(yīng)用到3個離散變量桁架結(jié)構(gòu)截...

整體穩(wěn)定約束下離散變量的結(jié)構(gòu)優(yōu)化設(shè)計——討論了離散變量結(jié)構(gòu)在應(yīng)力，位移與整體穩(wěn)定性約束下的結(jié)構(gòu)優(yōu)化設(shè)計問題，討論了梯度方向的計算方法并采用梯度方向法求解該問題，得到了滿意的結(jié)果?！　?/p>

提出一種基于小生境免疫遺傳算法的多級序列優(yōu)化方法,并解決硅鋼片優(yōu)化排樣問題。以免疫算法為基礎(chǔ),通過遺傳算法進化抗體群,利用小生境技術(shù)保持抗體群的多樣性。遺傳算子和免疫記憶策略加快了優(yōu)良個體的產(chǎn)生,提高了算法的收斂速度。共享機制和克隆抑制策略提高了算法的全局搜索能力,有效地避免早熟收斂現(xiàn)象。實際生產(chǎn)數(shù)據(jù)排樣結(jié)果表明,該算法是有效、可行的。

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點。算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題。這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法。

通過對遺傳算法的二進制編碼和實數(shù)編碼的機理分析,結(jié)合2種編碼的優(yōu)點,從工程結(jié)構(gòu)優(yōu)化實際問題出發(fā),提出了一種可以任意控制離散度的改進實數(shù)編碼遺傳算法.該算法利用實際工程結(jié)構(gòu)問題中對尺寸設(shè)計變量精度要求的放松,在編碼過程中加上\"隱約束\

針對簡單遺傳算法中的線性適應(yīng)度、恒定交叉與變異概率等不能動態(tài)地適應(yīng)整個尋優(yōu)過程,提出采用非線性適應(yīng)度與自適應(yīng)交叉、變異概率的改進遺傳算法。以典型的遺傳算法測試函數(shù)驗證改進遺傳算法的有效性與可行性,最后將改進遺傳算法用于離散變量桁架結(jié)構(gòu)優(yōu)化設(shè)計,計算結(jié)果表明改進遺傳算法是可行、有效的。

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點.算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題.這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法.

針對標(biāo)準(zhǔn)遺傳算法在迭代過程中經(jīng)常出現(xiàn)未成熟收斂、發(fā)生振蕩、隨機性太大等缺點,提出一種新的遺傳算子轉(zhuǎn)基因算子,用于對標(biāo)準(zhǔn)遺傳算法的改進·這種轉(zhuǎn)基因算子有效地利用了計算適應(yīng)度的信息,很好地保護了最優(yōu)個體,并能提高群體中個體的適應(yīng)度·包含轉(zhuǎn)基因算子的改進遺傳算法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題·算例結(jié)果表明,改進遺傳算法的收斂特性和優(yōu)化設(shè)計結(jié)果遠(yuǎn)好于標(biāo)準(zhǔn)遺傳算法,是一種理想的建筑結(jié)構(gòu)優(yōu)化設(shè)計方法·

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點·算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題·這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法·

首先給出了離散變量結(jié)構(gòu)的數(shù)學(xué)優(yōu)化模型,提出了子空間搜索的單親遺傳算法,并給出了兩個減少計算量的策略。通過兩個結(jié)構(gòu)優(yōu)化的算例表明,文章算法收斂速度快、收斂平穩(wěn),為離散變量結(jié)構(gòu)優(yōu)化設(shè)計提供了一種借鑒方法。

基于遺傳算法的排樁支護結(jié)構(gòu)優(yōu)化設(shè)計——基于自然選擇和自然基因機制的遺傳算法是當(dāng)前處理復(fù)雜非線性模型的一種新的優(yōu)秀方法。為此，文章建立了懸臂式排樁這一基坑支護結(jié)構(gòu)形式的數(shù)學(xué)模型，并運用改進遺傳算法對設(shè)計參數(shù)進行優(yōu)化調(diào)整；結(jié)合以實際工程資料為背景...

針對遺傳算法在迭代過程中經(jīng)常出現(xiàn)未成熟收斂、振蕩、隨機性太大和迭代過程緩慢等缺點,提出引入轉(zhuǎn)基因算子與單親遺傳算子,同時提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的三等分割算法,通過與遺傳算法相結(jié)合并運用到初始群體形成和進化過程中,使兩種算法既可相互獨立地運算,又可彼此相互協(xié)調(diào)、共同作用.根據(jù)工程實際,充分考慮規(guī)范規(guī)定的約束條件和各項技術(shù)標(biāo)準(zhǔn)要求,建立離散變量結(jié)構(gòu)優(yōu)化模型.各種算法的優(yōu)化結(jié)果對比表明,改進混合遺傳算法具有省時、高效、局部搜索能力強和全局性好的特點.

將微種群遺傳算法與基于啟發(fā)式模式移動的局部尋優(yōu)方法和aitkenδ~2加速策略相結(jié)合,給出了一種加速微種群遺傳算法.算法中利用aitkenδ~2加速策略改進當(dāng)前種群,利用基于啟發(fā)式模式移動的局部尋優(yōu)方法改進子代群體.利用3個數(shù)值優(yōu)化算例測試了算法的性能,表明本文算法具有較好的收斂性和計算效率.最后將其用于桁架結(jié)構(gòu)截面優(yōu)化設(shè)計,10桿平面桁架和25桿空間桁架的優(yōu)化結(jié)果表明,本文算法的計算精度和計算工作量均優(yōu)于傳統(tǒng)的遺傳算法.

在軟土地基加筋路堤穩(wěn)定性分析方法中,傳統(tǒng)分析方法(如瑞典法和荷蘭法)因?qū)咏畈牧系募咏钭饔霉烙嫴蛔?導(dǎo)致計算結(jié)果過于保守,與實際不符。本文在充分考慮加筋體的加筋作用下,提出了新的加筋路堤穩(wěn)定性分析計算方法,并采用小生境遺傳算法搜索臨界滑動面和最小安全系數(shù)。算例計算結(jié)果表明,本文提出的加筋路堤穩(wěn)定性分析方法與工程實際情況吻合較好,并且小生境遺傳算法能有效地搜索到邊坡所有的臨界滑動面。

針對工程中大量存在的設(shè)計變量為離散型和連續(xù)型的混合離散變量的情況,探討了一種優(yōu)化設(shè)計問題的方法———混合離散復(fù)合形法。該算法可用于工程結(jié)構(gòu)優(yōu)化設(shè)計中,其結(jié)果不需圓整,解題可靠性和效率大大提高。

傳統(tǒng)建筑景觀的設(shè)計往往存在直視效果差、居民滿意度較低的問題,并且其在綠色環(huán)保方面的設(shè)計也存在不合理之處,因此,該文提出一種基于小生境遺傳算法的綠色建筑景觀空間環(huán)境優(yōu)化設(shè)計方案.根據(jù)小生境遺傳算法對建筑景觀尺寸的多目標(biāo)進行優(yōu)化,優(yōu)化的目標(biāo)包括建筑的成本以及綠化帶等公共設(shè)施.結(jié)果表明,提出的方案能夠優(yōu)化建筑景觀環(huán)境,居民的滿意度有所提高.

針對傳統(tǒng)遺傳算法存在容易過早收斂、尋優(yōu)效率較低、精度不高等缺點,從適應(yīng)度值函數(shù)標(biāo)定和群體多樣化兩方面對傳統(tǒng)遺傳算法進行了改進,避免了傳統(tǒng)遺傳算法過早陷入局部最優(yōu)解,拓寬了尋優(yōu)空間;將改進的遺傳算法應(yīng)用于建筑結(jié)構(gòu)優(yōu)化設(shè)計中,通過建立以質(zhì)量最小為目標(biāo)的優(yōu)化數(shù)學(xué)模型,解決具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化問題,并對改進型遺傳算法進行優(yōu)化設(shè)計結(jié)果比較;結(jié)果表明,改進型遺傳算法演化代數(shù)低于標(biāo)準(zhǔn)遺傳算法,收斂性能明顯更佳,提高了遺傳算法在結(jié)構(gòu)優(yōu)化應(yīng)用方面的計算速度和優(yōu)化效果.

針對遺傳算法在迭代過程中經(jīng)常出現(xiàn)的未成熟收斂、振蕩、隨機性太大等缺點,引入一種新的遺傳算子——單親遺傳算子,用于對標(biāo)準(zhǔn)遺傳算法的改進。包含單親遺傳算子的改進遺傳算法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,進而對框架結(jié)構(gòu)的多種工況進行優(yōu)化設(shè)計的結(jié)果進行了對比驗證,結(jié)果表明:改進遺傳算法比標(biāo)準(zhǔn)遺傳算法有好得多的收斂特性,迭代次數(shù)明顯減少,優(yōu)化設(shè)計結(jié)果也遠(yuǎn)好于標(biāo)準(zhǔn)遺傳算法。

離散變量結(jié)構(gòu)優(yōu)化的擬滿應(yīng)力設(shè)計方法——本文以滿應(yīng)力設(shè)計思想為基礎(chǔ)．提出了適用于離散變量結(jié)掏優(yōu)化設(shè)計計算的擬滿應(yīng)力設(shè)計方法。該方法能直接計算具有應(yīng)力約柬和截面尺寸約柬的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問最，也能處理同時具有穩(wěn)定性約柬和位移約柬的多工況、多約...

建立了組合截面離散變量優(yōu)化設(shè)計的通用模型;提出了一種啟發(fā)式求解算法。通過對截面設(shè)計變量的合并,把截面整體作為一個設(shè)計變量;將約束條件按其作用范圍分為三類:局部約束、全局約束、中間約束,即介于局部和全局約束之間的約束;根據(jù)離散結(jié)構(gòu)實體桿件在結(jié)構(gòu)中受力和傳力的特點,將桿件分為5類。針對三類約束的不同特點,分別給出了啟發(fā)式求解算法。最后通過一個三維的空間結(jié)構(gòu)實例給出驗證,優(yōu)化效率高,效果明顯。六個工程實例的優(yōu)化結(jié)果比經(jīng)驗設(shè)計可節(jié)省材料5.0～19.0%。實踐表明本文提出的模型通用性強,啟發(fā)式求解方法效率高且實用,適合大規(guī)模離散變量工程結(jié)構(gòu)最輕設(shè)計問題。

基于遺傳算法的rc結(jié)構(gòu)優(yōu)化設(shè)——結(jié)合我國現(xiàn)行的結(jié)構(gòu)設(shè)計規(guī)范，對承受多工況荷載下的鋼筋混凝土框架結(jié)構(gòu)離散變量的優(yōu)化設(shè)計問題，提出了基于遺傳算法的優(yōu)化算法。通過建立配筋模板數(shù)據(jù)庫，將梁柱的計算配筋面積轉(zhuǎn)換成最優(yōu)的且滿足規(guī)范和施工要求的實際配筋形式。...