离散结构的遗传形状优化设计

离散结构的形状优化问题，设计变量是不同性态的连续／离散混合变量，优化收敛困难。本文利用遗传算法实现其全局最优设计，以空间２５杆桁架结构为例，进行了多变量、多工况的结构形状遗传优化设计。为减少结构重分析次数，引入了Ｓｔｅａｄｙｓｔａｔｅ算法。结果表明结构形状的遗传优化设计方法是可行的。     

求解非线性方程组的混合遗传算法

非线性方程组的求解是数值计算领域中最困难的问题。大多数的数值求解算法例如牛顿法的收敛性和性能特征在很大程度上依赖于初始点。但是对于很多非线性方程组,选择好的初始点是一件非常困难的事情。本文结合遗传算法和经典算法的优点,提出了一种用于求解非线性方程组的混合遗传算法。该混合算法充分发挥了遗传算法的群体搜索和全局收敛性,有效地克服了经典算法的初始点敏感问题;同时在遗传算法中引入经典算法(Powell法、拟牛顿迭代法)作局部搜索,克服了遗传算法收敛速度慢和精度差的缺点。选择了几个典型非线性方程组,从收敛可靠性、计算成本和适用性等指标分析对比了不同算法。计算结果表明所设计的混合遗传算法有着可靠的收敛性和较高的收敛速度和精度,是求解非线性方程组的一种成功算法。     

遗传算法求解可行域分离的结构优化问题

应用遗传算法求解了两类可行域分离的结构优化问题：局部屈曲约束的桁架拓扑优化问题和动力响应约束优化问题．对第一类问题，提出了新的数学表达式，适合于遗传算法求解．采用了改进的适应度函数及约束处理方法、约束凝聚选择、交叉操作改进和竞争最优保留，提高了遗传算法的效率和可靠性．算例说明，该方法能够克服可行域分离给传统优化算法带来的困难，有效地在多连通可行域中搜索全局最优解．     

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。     

桁架结构截面优化设计的改进模拟退火算法

将模拟退火算法应用于桁架结构截面尺寸优化设计,提出若干方法改进了算法的鲁棒性、计算效率和求解精度。通过一批经典问题,同时与传统结构优化算法和遗传算法进行了比较。数值结果表明,本文的改进模拟退火算法具有很高的优化求解精度,计算效率有显著提高且优于遗传算法,有望在结构优化设计问题中发挥其特点。     

基于拟满应力设计和遗传算法的网架截面优化方法

通过在遗传算法中嵌入拟满应力算子,提出了一种以网架结构杆件截面作为离散变量的优化设计方法,即基于拟满应力设计和遗传算法的网架截面优化方法.分析结果表明,该法能够提高遗传算法的搜索效率和获得全局最优解的可靠性,对于同时有应力和位移约束的网架等空间结构截面优化问题,这种混合算法有较高的效率.     

基于多目标优化策略的结构可靠性稳健设计

应用可靠性稳健优化设计理论和多目标决策方法,将结构可靠性稳健优化设计转化为多目标优化问题。运用灰色理论中的关联分析法,选取粒子群算法中的全局极值和个体极值,提出了灰色粒子群算法求解可靠性稳健优化设计问题。与传统方法相比,该方法简便易行并能迅速准确地得到结构可靠性稳健优化设计信息。     

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。     

钢桁架优化设计中稳定及收敛问题的有效解法

在超静定型钢桁架满应力优化设计中，压杆的稳定性，即：计算 迭代中压杆的稳定许用应力，提高迭代过程的收敛速度，是两个关键问题，迄今为止 尚未得到有效地解决，从而影响了满应力优化设计方法在桁架结构中的应用. 为解决上述两问题, 首先建立了两个拟合函数，建立了型钢截面积与惯性半径及压杆的稳定， 系数与柔度之间的函数关系，继而导出了压杆稳定许用应力的计算方法， 归纳出了加速收敛的有效措施------面积平均法. 算例证明了 本文方法的可靠性，供有关结构设计人员参考.     

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。     

自适应Kriging近似模型及其在二维扩压器优化设计中的应用

将均匀设计方法、CFD技术、Kriging近似模型及小生境微种群遗传算法相结合发展了一种自适应全局优化设计方法.优化过程中综合考虑Kriging模型的预测值与预测标准差,引入了EI(Expected Improvement)函数得到校正点,解决了采用近似模型最优策略得到校正点带来的局部收敛问题.分别采用该方法和小生境微...     

Parameter determination and response analysis of viscoelastic material

The parameter determination of viscoelastic material is a multi-variable, multi-aim nonlinear optimization problem, which made the optimization process very complicated. In this paper a hybrid optimal algorithm was proposed to determine the viscoelastic parameters in the constitutive relation according to the experimentally obtained mechanical properties. This algorithm merges the Broydon–Fletcher–Goldfarb–Shanno search into a genetic algorithm framework as a basic operator in order to enhance the local search capability. The proposed hybrid algorithm not only can reduce the iterative times greatly but can abolish the limitation of initial parameter values. Nonlinear material characteristic curve-fitting was carried out using the proposed algorithm and other existing approaches. And the comparison results show this algorithm is accurate and effective. The numerical simulation and experimental study of viscoelastic cantilever beam also indicates that the finite element formulation and the calculative viscoelastic model parameters are reliable. The proposed optimization method can be extended to further complex parameter estimation researches.     

Model-free chaos control based on AHGSA for a vibro-impact system

For a vibro-impact system with clearance, the model-free chaos control method based on adaptive hybrid gravitational search algorithm (or AHGSA algorithm for short) is proposed. Nonparametric time-varying dynamic linear model based on pseudo-partial-derivative is established using input/output data of the controlled system, and on this basis, the optimal controller is designed according to the quadratic performance index, and the controller parameters is optimized using AHGSA algorithm. By combining the artificial bee colony search operator and chaos optimization strategy, gravitational search algorithm (or GSA algorithm for short) is improved from three aspects (i.e., population initialization, velocity and position update, gravity coefficient adjustment) to achieve a balance between the global detection ability and the local development ability. AHGSA algorithm has good optimization accuracy and efficiency: The arbitrariness is avoided in controller parameters selection, and the quality of the chaos control is ensured as well. In simulation experiment, the model-free controller optimized is used to control the chaotic motion of a single-degree-of-freedom vibro-impact system with clearance to verify the validity and feasibility of the proposed chaos control method. The simulation results show that the control effect is good, and the proposed chaos control method has the following advantages: the proposed chaos control method does not depend on the precise model of the controlled system, and the controller is easy to be designed and implemented.     

TOPOLOGY OPTIMIZATION OF TRUSS STRUCTURE WITH FUNDAMENTAL FREQUENCY AND FREQUENCY DOMAIN DYNAMIC RESPONSE CONSTRAINTS

In this paper, adaptive genetic algorithm (AGA) is applied to topology optimization of truss structure with frequency domain excitations. The optimization constraints include fundamental frequency, displacement responses under force excitations and acceleration responses under foundation acceleration excitations. The roulette wheel selection operator, adaptive crossover and mutation operators are used as genetic operators. Some heuristic strategies are put forward to direct the deletion of the extra bars and nodes on truss structures. Three examples demonstrate that the proposed method can yield the optimum structure form and the lightest weight of the given ground structure while satisfying dynamic response constraints.     

CABC–CSA: a new chaotic hybrid algorithm for solving optimization problems

Recently a lot of methods have been presented for solving optimization problems. In this paper, we are trying to propose a new hybrid algorithm for solving these kinds of problem. The proposed algorithm is based on chaotic artificial bee colony and chaotic simulated annealing, CABC–CSA. The chaotic artificial bee colony finds new locations chaotically. Actually, the proposed algorithm provides a combination of local search accuracy of simulated annealing and the ability of global search of artificial bee colony. Furthermore, we used a different method for generating the initial population. The proposed algorithm is validated using 12 benchmark functions. The results are compared with those of the artificial bees’ algorithm, the hybrid algorithm of artificial bee colony and simulated annealing and particle swarm optimization. Simulation results show the efficiency of the proposed algorithm.     

混沌优化算法在土质边坡稳定性分析中的应用

确定边坡最危险滑动面并计算与之相对应的安全系数是边坡支护的重要任务。本文结合简化Bishop法,用一种新的智能优化算法——混沌优化算法来搜索全局最优解。该方法利用混沌运动本身具有遍历性、随机性、“规律性”等内在特点,能在一定范围内按其自身“规律”不重复地遍历所有状态,易于跳出局部最优解,具有很强的全局搜索能力。通过坡高为12.3m的某电厂三层土质边坡的典型算例分析,并和遗传算法、枚举法计算结果对比可知,计算结果超于一致,其差值接近于0,因此混沌优化算法能在很高精度下搜索到全局最优解,能很好地解决边坡稳定性分析中的优化问题。     

面向工程全局优化的混沌优化算法研究进展Research advances of chaos optimization algorithms for engineering global optimization

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法（基于混沌搜索）、第二类混合混沌优化算法（混沌序列代替随机序列）以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

压电桁架作动器/传感器优化配置算法研究

针对自适应压电桁架结构振动控制,建立了作动器/传感器优化配置数学模型,并提出一种优化配置的新方法。为了减少结构分析次数,该方法将近似概念、对偶法和遗传算法相结合,首先采用多点近似技术建立原问题的序列近似问题,再对近似问题中的作动器/传感器位置离散变量和控制增益连续变量采用遗传算法和对偶方法分别寻优的分层优化策略。为了提高近似问题对原问题的逼近程度,本文提出一种适于离散变量结构优化的分段多点近似函数。算例表明本文方法能够以很少的结构分析次数得到最优解。     

工程结构优化的进化策略-高斯过程协同优化方法

针对采用仿生全局优化方法进行复杂工程结构优化时数值计算量浩大导致的计算代价过高的公开问题,将自适应协方差矩阵进化策略(CMAES)全局优化算法、高斯过程(GP)机器学习技术与有限元方法相结合,提出了基于自适应协方差矩阵进化策略-高斯过程协同优化算法(CMAES-GP)的结构优化方法。该方法利用全局寻优性好且寻优效率高的CMAES算法进行全局最优搜索,当搜索进入局部寻优阶段时,采用回归性能优秀的GP模型对适应度函数进行动态拟合,进而利用GP模型替代有限元分析进行个体适应度评价,以减小局部寻优阶段的有限元重分析次数,从而实现有效降低工程结构优化计算代价的目的。算例研究表明,与传统结构优化方法相比较,本文方法具有全局性好、计算效率高的优点。