基于离散变量的多材料结构拓扑优化设计

多材料结构拓扑优化相比于单材料结构优化具有更大的设计空间,展现出巨大的设计潜力和应用前景。本文基于离散设计变量研究多材料结构拓扑优化,通过建立有效的设计优化方法,获得轻质高效的结构设计。首先,根据离散变量的特点,建立多材料结构拓扑优化模型,由离散变量下约束函数和目标函数的灵敏度信息构造序列近似整数规划子问题,采用运动极限策略限制设计变量的改变量以保证整数规划子问题的近似精度。为了解决离散变量的组合复杂性,采用具有多项式复杂度的正则松弛算法来高效求解(和经典的连续变量算法效率相当)。本文利用多材料结构最小柔顺性优化问题以及最大传热效率优化问题研究离散变量方法的有效性。数值算例表明,离散变量优化方法可以获得稳定迭代收敛的多材料拓扑设计,优化构型中的材料界面清晰分明,有效避免了出现模糊区域。     

离散变量结构优化设计的连续化方法

把离散变量结构优化设计问题转化为一般的0-1规划问题,进一步把该问题转化为一个带有互补约束的优化问题,利用NCP函数,最终得到待以求解的连续优化问题.离散优化到基于NCP函数的连续优化变换在理论上是等价的,可以利用普通的数学规划方法实施求解.数值算例的计算结果验证了该连续化方法的可行性与有效性.     

包含两类变量的离散变量桁架结构拓扑优化设计

建立了包含截面和拓扑两类变量的离散变量结构拓扑优化设计的数学模型,该模型考虑了截面变量与拓扑变量间的耦合关系,反映了拓扑优化问题的组合优化本质,可以较好地解决\"极限应力\"、\"最优解的奇异性\"等困扰结构拓外优化设计的问题．同时采用相对差商法进行离散变量桁架结构拓扑优化,直接求解包含两类变量的离散变量结构拓扑优化设计数学模型,收到了比较满意的效果．     

离散变量结构优化设计的相对差商-遗传算法

将相对差商法(RDQA)和遗传算法(GA)结合起来,提出一个离散变量结构优化设计的有效解法———相对差商-遗传算法。3个算例结果显示出其优于相对差商法与遗传算法:(1)大大提高了遗传算法搜索全局最优解的能力及计算效率;(2)间接证明了相对差商法具有足够的逼近全局最优解的能力。     

离散变量结构拓扑优化设计研究

研究了离散变量结构拓扑优化设计的若干问题，讨论了离散型优化模型的合理性，提出截面设计变量的离散程度和全局约束影响最优拓扑，是优化中不可忽视的因素，文中还提出了一种解离散变量桁架，刚架结构拓扑优化的启发式算法。     

离散变量结构形状优化设计的综合算法

提出一种离散变量结构形状优化设计的方法,该方法在优化过程中将两类变量统一考虑,根据两类变量的相对差商值确定搜索的变量;并且对形状变量施加了运动极限的限制,从而保证了收敛速度快,收敛平稳;将该算法应用于几个经典的结构优化算例：运算结果显示了该方法计算效率高,优化效果也比较满意．     

基于蚁群算法的桁架结构布局离散变量优化方法

提出的布局优化方法是将桁架结构的截面变量、拓扑变量及形状变量统一为离散变量.将离散变量转化为适应于蚁群算法求解TSP问题的离散变量,应用MATLAB语言编写求解桁架结构布局优化程序,最终实现对问题的分析与求解.通过对几个经典的平面、空间桁架结构布局优化算例的验算表明:本文设计的基于蚁群算法的桁架结构布局离散变量优化方法较单独处理截面优化、拓扑优化及形状优化问题具有更大的效益,相对于其他布局优化方法也展现出更好的优化效果.“基于蚁群算法的桁架结构布局离散变量优化方法”在程序设计、求解速度、求解空间及其方法通用性等方面都表现出良好的性能,并且简单、实用,适应于实际工程应用.