自适应免疫遗传算法

遗传算法(GA)是基于自然遗传规则随机搜索技术的一种进化算法,但是随着实际结构的大型化和复杂化,它往往出现过早收敛的现象。在研究了算法的编码方式、控制参数和算子操作之后,就其全局收敛性的不足,提出动态自适应策略以改进其性能,在基本遗传算子的基础上,采用了免疫遗传算子和保优策略。其中免疫算子可以防止交叉变异中的个体退化,自适应策略则保持了种群的多样性,以此保证遗传算法尽快收敛到全局最优解,称之为自适应免疫遗传算法(AIGA)。随后以经典的十杆桁架结构优化问题作为例子说明算法的优越性,结果表明AIGA在随机结构优化中计算有效、结果可靠。     

结构力学教学核心概念的精细研究1）--以力法为例

平衡、约束、柔度等是力学理论的基本核心概念，本文旨在建立一种更为强调核心概念精细分析与理解的教学理念，而不仅仅重视求解题目.分析了两个教学案例：一是对称结构的柔度矩阵可逆性证明，利用实功恒为正值这一原理推导出柔度矩阵行列式恒不为零的结论；二是力法求解桁架结构时切断和拆除同一杆件,典型方程及柔度系数发生变化，从而显示出基本方程的物理意义、广义位移等概念,这种精细研究对深入理解算法机理具有重要作用.探讨了力学概念精细研究对于教学的重要性.     

可靠性优化问题中遗传算法适应值函数的建立

应用遗传算法进行优化,约束的处理成为建立适应值函数和算法进行的关键.可靠性优化是以系统可拿性指标作为优化问题的约束条件.首先结合外罚函数法建立数学模型,处理约束的惩罚因子时根据种群情况白适应取值,构造适应值函数的映射公式.随后采用拉格朗日秉子法建立了新的约束与目标函数向适应值函数的映射公式,该公式可以避免因罚函数病态所导致的搜索终止,收敛更加快速,使遗传算法得以成功应用于可靠性优化问题中.分析计算结果表明乘子法具有更好地收敛效果,两个公式构造合理.