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．     

基于改进遗传算法的桥梁结构损伤识别应用研究

提出了一种基于残余力向量和改进遗传算法的桥梁结构损伤识别方法。在无噪声的情况下,使用任意一阶模态数据,残余力向量法都能够对损伤进行准确定位。但是,振动测试数据中往往包含噪声,导致运用残余力向量法进行损伤识别完全不可行。考虑到这个问题,在常规模态分析的基础上,以节点的残余力向量构造目标函数,提出了一种用于遗传搜索优化的目标函数形式。利用改进遗传算法重点进行了噪声条件下的结构损伤定位和定量研究,并对遗传算法的参数选取问题进行了深入探讨。遗传算法的主要改进包括:采用浮点编码、采用基于标准化几何分布排名的选择策略、采用最优保存策略、采用算术交叉算子、采用自适应变异算子。最后,本文用一个连续梁桥模型进行了数值模拟,验证了所提出方法的有效性,并对方法应用中存在的一些问题进行了深入探讨。     

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.     

改进的遗传算法求解桁架的形状优化

提出将改进的遗传算法用于优化具有离散尺寸、连续形状变量的桁架重量. 考虑到离散和连续变量的本质，提出了混合编码方法，其中包括二进制和实数编码，整 数和实数编码. 采用了凝聚选择法------基于约束和适应度值双重标准，完全适应约束问题 的本质. 竞争保留最优个体方法延长了优良个体的寿命，使好基因有更大的机会遗传给 下一代. 算例表明改进的遗传算法是可行且有效的.     

改进的遗传算法求解桁架的拓扑优化

提出了一种改进的遗传算法,用于优化具有离散尺寸、连续形状和0-1拓扑变量的桁架问题。考虑到离散和连续变量的本质,文中提出了混合编码方法,其中包括二进制和实数编码,整数和实数编码。本文采用了凝聚选择法-基于约束和适应度值双重标准,完全适应约束问题的本质。在优化过程中,初始种群和算子具有不确定性,因此有必要检验结构拓扑的合理性。为了增强算法的可靠性,采用了改进的重新开始算子,引入新基因并且探索新空间。求解了典型的算例,证明改进的遗传算法是可行且有效的。     

基于遗传算法的结构支撑位置优化

采用整数编码、实数编码、种群隔离机制、算术杂交、非均匀随机变异等新理论设计了一种广义遗传算法,并将该算法应用于结构支撑位置优化问题。数值算例表明,该方法能够很好地求解支撑具有弯曲刚度的结构支撑位置优化问题,对于一般支撑位置优化问题具有较强的适用性。     

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.     

涡激响应尾流双振子模型的参数反演方法

尾流双振子模型是研究圆柱结构涡激振动响应的重要模型,模型参数的准确确定对悬浮隧道设计理论具有重要意义.首先通过降阶法将多变量二阶非线性常微分方程组的尾流双振子模型变换为一阶方程组.然后给出一种新型的圆柱结构水槽试验设计方案,其中试验模型的刚度能够较好反映悬浮隧道等实际工程结构的刚度,基于相机动态捕捉和视频识别计算机程序,获取圆柱结构在水平和竖直方向的位移试验数据.基于试验结果和龙格-库塔方法求解一阶方程组,采用BP神经网络智能算法对模型参数进行反演,同时利用遗传算法对神经元的初始权值和阈值进行优化,所得结果平均误差仅为5.50％,优于遗传算法和未优化的BP神经网络模型.结果表明,基于遗传算法优化的BP神经网络智能算法能够精确实现尾流双振子模型的参数确定,为圆柱结构涡激振动响应分析提供理论基础.     

层合板的一种等强度优化设计方法

提出了一种按等强度设计的层合板优化方法。首先引入强度比的概念,推导了应变空间下的Tsai-Wu强度判据,建立了各单层的强度比方程;然后以各层厚度为设计变量,以各层强度比趋近于1为设计目标,分别采用等强度算法、智能算法和传统算法的混合算法两种方法开展优化设计。对一平面载荷作用下的对称层合板的优化结果表明:两种方法的优化结果较为一致,均增大了初始强度较大的层组厚度,减小了初始强度较小的层组厚度,优化结果符合等强度优化的力学原理。与智能算法和传统算法的混合算法相比,等强度算法拥有更高的收敛效率,优化后层合板的重量更小。     

基于卷积神经网络和松鼠优化算法的机翼结构混合优化设计#br#

针对大展弦比机翼的结构轻量化优化设计,提出了一种高效的布局和尺寸混合优化方法．在CFD/CSD气动弹性计算的基础上,对不同的结构变量进行统一编码,使用一维卷积神经网络建立代理模型,并使用松鼠优化算法建立了混合优化模型进行搜索寻优．以某型太阳能无人机的机翼结构优化为例,优化结果表明翼肋的布局变量和翼梁的尺寸变量之间存在着耦合关系,使用松鼠优化算法相比于遗传算法节省了35 %~45 %的计算成本,且混合优化后的结构比原始结构减重4.1 %,验证了该方法的有效性．