遗传算法改进及其在岩土参数反分析中的应用

本文的主要目的是开发基于实数编码的杂交遗传算法来识别土体的本构参数。该杂交遗传算法在经典遗传算法框架下开发，融合两个新开发的交叉算子，形成了一个新的杂交策略。为了保持种群的多样性，在算法中采用了一个动态随机变异算子。另外，为了提高算法收敛性，采用了一个基于混沌的局部搜索技术。分别基于室内试验和现场试验，通过识别土的本构参数来测试新算法的搜索能力和搜索效率。为了测试新开发算法的突出表现，特选用5种经典的随机类算法（遗传算法、粒子群算法、模拟退火算法、差分算法和蜂巢算法），分析同样的案例进行比较。结果表明，在收敛速度和最优解的准确度方面，新改进的算法可以很好地处理岩土工程的参数反演。     

多种群遗传算法在PBX本构模型参数识别中的应用

利用多种群并行结构对标准遗传算法SGA进行并行化处理，引入移民算子和精华种群形成多种群遗传算法MPGA，并设计了自适应交叉和变异概率对算法的收敛速度进行改进。结合ABAQUS软件和改进的多种群遗传算法，建立了材料本构模型参数识别方法。采用该方法对PBX炸药黏弹性损伤本构模型参数进行了模拟识别，并同基于标准遗传算法的参数识别方法进行了比较。结果证明，基于改进多种群遗传算法IMPGA的方法对克服算法未成熟收敛有显著的效果，识别结果更稳定。同时该方法的收敛速度更快，寻优能力更强，适合复杂非线性问题的优化，此方法可以被应用到其他材料本构模型的参数识别中。     

求解具有奇异性的桁架拓扑优化的遗传算法

采用遗传算法求解具有奇异最优解现象的桁架结构拓扑优化问题。在桁架结构拓扑优化的内力约束ε-放松列式基础上，根据遗传算法特点通过引入拓扑变量提出一种新的优化模型列式。在遗传算法中改进了适应度函数及约束处理方法、选择和交叉操作等，提高了求解算法的效率和可靠性。数值算例以及两种列式的对比分析表明，本文改进的遗传算法和新提出的优化模型列式，能够得到拓扑优化问题的全局最优解。     

遗传-神经网络算法优化飞机垂尾

通过优化垂尾复合材料蒙皮铺层体系，可以减少垂直尾翼的气动变形，进而改善飞机的方向安定性。采用遗传算法能够较好地分析这类复杂优化问题，但遗传算法的计算工作量大，计算所需时间过长。本文提出遗传一神经网络的算法，该算法首先采用神经网络预测遗传变量的值，进而缩短遗传变量的范围，然后采用遗传算法优化得到最优解。结果表明，这种方法在保证计算精度的情况下，减少了计算时间，提高了工作效率。     

改进单向搜索遗传算法的工程结构优化设计

本文基于规范规定的约束条件和各项技术标准要求，建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种新的遗传算子单亲遗传算子，用于对遗传算法的改进。并提出一种离散变量结构优化设计的单向搜索算法与遗传算法结合在一起解决问题。优化设计结果表明，这种改进单向搜索遗传算法的收敛特性得到了很好的改善，即发挥了单向搜索算法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。该方法是一种有效的工程结构优化设计方法。     

基于混合遗传算法的动力系统阻尼参数识别方法

将动力系统阻尼参数识别反问题转化为非线性优化问题处理，提出了基于遗传算法的动力系统阻尼参数识别方法。为了提高简单遗传算法的计算效率和处理早熟问题，将模拟退火算法与遗传算法相结合，建立了混合遗传算法。数值计算结果表明，本文所建立的方法对于求解参数识别反问题和非线性优化问题是非常有效的，并且具有良好的鲁棒性和全局收敛能力。     

5最优化问题全局寻优的混合遗传算法

把BFGS方法作为一个与选择、交叉和变异平行的算子，嵌入到浮点编码遗传算法中，得到一种基于BFGS方法和浮点编码遗传算法的混合计算智能算法。该方法兼顾了遗传算法和BFGS方法两者的长处，既有较快的收敛速度，双能以非常大的概率求得最优化问题全局解。数值结果表明，混合方法是求解优化问题的一种有潜力的智能算法。     

遗传-粒子群算法模型修正

用部分测量模态数据对5层钢架结构进行模型修正，将遗传算法、粒子群优化算法、 遗传-粒子群组合算法3种算法在该模型修正过程中的效率和精度进行比较，结果表明修正后 模型的全部四阶频率和振型都能在不同程度上向目标值靠近，证明3种算法都能够有效修正 模型，而且遗传-粒子群算法能在前期利用遗传算法进行高效全局搜索，后期利用粒子群算法 进行细致局部搜索，与单独使用遗传算法或粒子群算法相比，组合算法效率和精度更高.     

双相介质参数反演的遗传算法

研究遗传算法在双相介质材料参数反演中的作用。将一维双相介质在动载荷下的表面位移响应的计算值与实测值进行拟合，以最小方差作为目标函数，把双相介质参数反演问题归结为非线性多峰函数的最优化问题。全局最优解的求解采用多点并行搜索的遗传算法，克服了传统梯度爬山法难于求得全局最优的困难。算例表明了遗传算法的可行性和稳健性。     

桁架结构拓扑优化与遗传算法

用遗传算法求解桁架结构拓扑优化，结果表明是可行的。     

Identification of vibration loads on hydro generator by using hybrid genetic algorithm

Vibration dynamic characteristics have been a major issue in the modeling and mechanical analysis of large hydro generators. An algorithm is developed for identifying vibration dynamic characteristics by means of hybrid genetic algorithm. From the measured dynamic responses of a hydro generator, an appropriate estimation algorithm is needed to identify the loading parameters, including the main frequencies and amplitudes of vibrating forces. In order to identify parameters in an efficient and robust manner, an optimization method is proposed that combines genetic algorithm with simulated annealing and elitist strategy. The hybrid genetic algorithm is then used to tackle an ill-posed problem of parameter identification, in which the effectiveness of the proposed optimization method is confirmed by its comparison with actual observation data.The project supported by the National Natural Science Foundation of China (10472025). The English text was polished by Yunming Chen.     

用改进的十进制遗传算法确定土质边坡最危险滑面

基于瑞典圆弧法和简化Bishop条分法分析土质边坡的稳定性,以圆弧滑裂面与边坡面的左右交点的两个横坐标和以滑裂面圆心的纵坐标作为优化变量,采用了一种改进的十进制遗传算法对优化变量进行优化。这种改进的遗传算法是以简单的十进制遗传算法为基础,结合优体克隆操作、子体优生操作和多代调环操作。通过计算ACADS考核题验证,该方法有较强的自适应能力,具有收敛速度快、解的精度高和避免出现早熟等优点。     

Genetic algorithm optimization for finned channel performance

Compared to a smooth channel,a finned channel provides a higher heat transfer coefficient;increasing the fin height enhances the heat transfer.However,this heat transfer enhancement is associated with an increase in the pressure drop.This leads to an increased pumping power requirement so that one may seek an optimum design for such systems.The main goal of this paper is to define the exact location and size of fins in such a way that a minimal pressure drop coincides with an optimal heat transfer based on the genetic algorithm.Each fin arrangement is considered a solution to the problem (an individual for genetic algorithm).An initial population is generated randomly at the first step.Then the algorithm has been searched among these solutions and made new solutions iteratively by its functions to find an optimum design as reported in this article.     

基于遗传算法的设计地震反应谱标定方法

基于自然进化原理的遗传算法是一种解决复杂非线性规划问题十分有前景的方法。对遗传算法中一些有代表性的算法作了简要分析和评价。介绍了用地面峰值加速度(PGA)、峰值速度(PGV)和峰值位移(PGD)三个参数标定设计地震反应谱的模型。针对此分段非线性函数规划问题,运用MATLAB编写遗传算法程序进行了计算。计算表明遗传算法在全局优化、非线性优化、多参数优化等方面表现出了传统算法无法比拟的优势。     

基于字典序整数编号的大型空间智能桁架结构主动杆位置优化

智能计算方法在大型空间智能桁架结构的主动杆优化配置问题中有着广泛的应用。为有效避免传统遗传算法编码方式在算法实现过程中容易出现无效染色体的问题,本文基于字典序整数编号的遗传算法,给出了一个由整数编号还原到对应组合的快速还原算法。利用此方法对空间T型桁架结构的主动杆位置优化进行仿真并与传统编码方法结果进行比较,验证了本文方法的有效性和优越性。     

基于遗传退火算法的鱼雷外形优化设计

将基于实数编码的基本遗传算法与模拟退火算法相结合，建立了数值优化设计中的混合遗传算法。该算法既通过传统遗传算法的“优胜劣汰”操作保留了群体操作中的最优个体，又利用了退火算法的概率突跳性有效避免了问题求解陷入局部最小。本文还把混合遗传算法运用于鱼雷外形优化设计中，优化设计后的鱼雷流体阻力明显减小，压力分布曲线平缓，鱼雷的流体动力性能得到显著改善，表明改进的遗传退火算法运用于鱼雷外形优化设计是很有效的。在优化设计过程中，鱼雷线型由分段解析函数叠加表示，目标函数由二维欧拉方程的流场解提供。     

最优化问题全局寻优的混合遗传算法

把BFGS方法作为一个与选择、交叉和变异平行的算子,嵌入到浮点编码遗传算法中,得到一种基于BFGS方法和浮点编码遗传算法的混合计算智能算法．该方法兼顾了遗传算法和BFGS方法两者的长处,既有较快的收敛速度,又能以非常大的概率求得最优化问题全局解．数值结果表明,混合方法是求解优化问题的一种有潜力的智能算法．     

基于遗传算法的爆炸冲击荷载参数识别方法

基于改进的遗传算法 ,建立了根据测试系统动力响应观测数据反演爆炸冲击荷载参数的数值方法。遗传算法为解决反问题的不适定性提供了强有力的手段。数值模拟结果表明 ,所提出的爆炸冲击荷载参数随机反演方法具有全局搜索能力 ,并且具有良好的抗观测噪音能力。当测试系统的观测相对误差为 10 %时 ,参数反演结果的误差小于 8% ,所建立的参数反演方法具有良好的鲁棒性。     

Form-finding of tensegrity structures via genetic algorithm

We propose an efficient method for the form-finding of tensegrity structures. The force densities of each tensegrity are obtained by the minimisation of a particular objective function, leading to a semi-positive definite force density matrix (a super-stable tensegrity) with a required rank deficiency. A genetic algorithm is used as a global search technique for the minimisation. The geometry of a tensegrity is subsequently formed based on those eigenvectors of the force density matrix corresponding to zero eigenvalues. Furthermore, two other methods are introduced to convert the asymmetrical geometry obtained from the main algorithm into its symmetrical counterparts. This transformation in geometry is performed by finding a suitable linear combination of the mentioned eigenvectors. Examples from well-known tensegrities including prismatic, truncated tetrahedron, expandable octahedron and truncated icosahedron tensegrities are studied using the present method, and the results obtained are compared with those documented in the literature to verify the efficiency of the present method.