桁架形状优化设计的模拟退火算法

针对桁架形状优化问题,提出了一种改进的模拟退火算法．在该算法中提高了计算精度、计算效率和通用性;针对桁架形状优化设计,采用多目标规划的思想,将离散变量优化和连续变量优化结合起来．数值算例验证了改进模拟退火算法的可行性和有效性．     

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。     

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。     

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。     

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．     

结构设计中的混沌优化方法及其改进

在变尺度混沌优化方法研究中．结合结构优化问题的特点,提出了一种改进的混沌优化求解算法,用来解决带有多种约束条件的结构优化设计问题。在有限元分析和优化设计软件JEFIX中实现了上述算法．并通过数值算例讨论了变尺度混沌优化方法在结构优化中的可行性及存在的问题,得到了一些重要结论。     

非正态变量的结构可靠性算法研究

针对含有非正态变量的结构可靠性分析,提出了基于等价正态三参数变换和模拟退火全局优化的可靠性计算方法.首先给出等价正态三参数变换的过程并指出优化方法是影响三个参数求解精度的关键因素.然后,给出用模拟退火方法优化三个参数的详细步骤并用算例证明所提方法的可行性和效率.结果表明,由于采用基于模拟退火的全局优化使得等价正态的三个参数更加准确,从而降低了计算失效概率的误差;所提方法计算效率比Monte-Carlo方法明显提高,适于工程应用.     

基于混合编码遗传算法和有限元分析的压电结构载荷识别

与传统的优化算法相比,遗传算法不需要计算目标函数的导数信息,便于迭代,可实现全局寻优.因此,本文提出一种采用混合编码的遗传算法与有限元分析相结合,对复合材料层合板、壳进行载荷识别的新方法.在遗传算法求解过程中,设计变量的编码方法选择是其重要环节,二进制编码容易产生连续函数离散化时的映射误差,且其求解精度与染色体的编码长度紧密相关,过长的染色体描述虽可提高精度,但会显著降低算法的求解效率.为此,本文提出采用混合编码的方法进行载荷识别,即用二进制编码表征载荷作用位置,浮点数编码表示载荷的大小.这一方法大大降低了染色体的长度,并显著提高了计算效率和精度.     

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。     

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.     

桁架拓扑优化的多点逼近遗传算法

提出一种基于多点逼近函数和遗传算法的桁架拓扑优化方法。该方法建立了包含连续尺寸和离散拓扑两类变量的优化模型，并通过构造多点逼近函数建立了结构优化问题的第一级序列显式近似，然后采用分层优化方法：在外层对拓扑变量采用遗传算法进行优化；在内层对尺寸变量通过可由对偶法求解的第二级序列近似问题进行优化。几个经典的桁架拓扑优化算例表明该方法能以较少的结构分析次数获得比较理想的概率意义上的最优解。     

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。     

基于遗传算法和参数化建模的非线性结构优化

提出了一种对存在接触关系的非线性结构(装配体)进行优化设计的新方法。该方法将遗传算法与结构几何及有限元参数化建模方法相结合，在通用CAE软件的二次开发编程环境中实现对带接触的结构装配体进行结构尺寸和形状优化设计。文中利用该方法对某浮动式闭气结构的重要结构参数和关键构件形状实施了优化设计，使其闭气性能得到大幅度提高，体现了本文方法在解决这类优化问题中的优势。本文的方法有利于拓宽结构优化技术在机械设计领域的应用范围。     

桁架结构非概率可靠性形状优化设计

采用区间变量描述不确定参数,提出一种桁架结构非概率可靠性形状优化方法。建立了以截面尺寸和节点坐标为设计变量,以结构重量为目标函数,具有非概率可靠性指标约束的桁架结构形状优化数学模型。采用量纲归一化对截面尺寸和节点坐标进行了变量统一;运用均值点法对功能函数进行泰勒线性近似求解得到相应的非概率可靠性指标,并采用序列二次规划算法对优化模型进行求解。三个算例分析结果表明,算例均能快速稳定地收敛到最优解,结果符合工程结构设计经验,验证了本文所提方法的准确性和有效性。     

利用导重法进行结构拓扑优化

介绍了导重准则法基本原理并将其应用于杆系结构及连续体结构拓扑优化。对于重量约束结构性能最优化和多性态约束结构重量最小化问题的连续结构拓扑优化问题,详细推导了导重法与变密度SIMP(Solid Isotropic Microstructure with Penalization)法相结合的更加规范的全新优化准则公式,并给出了相应的算例。计算结果表明,导重法不仅适用于传统的结构尺寸优化与形状优化,而且可很好地求解结构拓扑优化问题,并具有公式简单、通用性强、收敛速度快及优化效果好的优点。     

基于Kriging代理模型的结构形状优化方法研究

建立了一种进行结构形状优化的工程方法。该方法利用试验设计法选取位置变量样本点,并对各个样本点对应的结构进行尺寸优化,然后根据样本点和尺寸优化结果建立Kriging代理模型,再利用遗传算法求出位置变量最优解,进而得到结构最优解。最后进行了15杆平面拱式桁架、悬臂梁和25杆空间桁架三个形状优化算例,算例分析结果表明:该方法思路清晰、适应性强、优化效果明显,具有较大的工程应用价值。     

二次规划的混合能方法及杆系结构弹塑性分析

基于混合能理论构造了二次规划问题求解的新算法，并在杆系弹塑性增量分析中进行了成功的应用。所提出的算法一改传统的对单一规划变量（如位移或应力等）的求解策略，将问题演变成混合变量的形式，在混合空间下对问题进行算法构造，使问题的下一个增量步的求解可以充分利用增量步前的信息，由此极大地提高了算法的求解效率，对杆系弹塑性问题的数值分析充分地证实了这一点。