混合离散变量的整型优化方法

本文对混合离散变量的优化问题进行了探讨,提出了将混合离散变量转换为单一的纯整型离散变量、并在整型空间内对全离散或混合离散变量、约束非线性问题进行优化设计的新方法。     

离散变量优化方法及在地下墙围护设计中的应用

以离散变量搜索型方法的复合形法为基础，利用内点罚函数的基本思想构造有效目标函数，放松常规复合形法对顶点必须在可行域内的严格限制，相应地，适当加快映射步长的缩小速率以提高求解效率，用该方法结合平面弹性有限元法对地下连续墙围护结构进行优化分析，取得了较好的效果。     

变压器优化设计中离散型变量的处理方法

针对变压器优化设计中变量多数为离散型的特点,本文引入了网格法与虎克－杰夫法这两种能有效处理离散型变量的优化方法,着重说明了这些方法如何结合变压器设计这一具体问题的使用过程,论文还给出了某一变压器优化设计的计算结果。     

离散变量结构优化设计中变量和约束的分解与简化

提出了优化设计中对设计变量和约束条件进行缩减和分解的方法．设计变量可分解为基本设计变量和复合设计变量，复合设计变量是基本设计变量的函数或综合；约束条件可根据它与计算过程的关系和作用范围分步、分阶段考虑；对于离散结构的实体杆件，可以很据受力和对结构的作用情况分成5类，常用截面分成24种类型．最后通过一个三维空间实例，证明所提方法优化效率高，效果明显，可节约材料39．26％，是求解大规模离散变量工程结构最轻设计问题的较好方法．     

遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法．探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法．该算法可处理受应力、位移约束的结构优化问题．数值计算实例表明该算法效率高，具有很强的适应性     

混合离散变量优化方法在机械设计中的应用

在机械优化设计中,混合离散变量优化方法得到了广泛的应用,具有较高的工程应用价值。通过实例证明离散变量优化方法比常规优化设计效率高,可靠性好,是目前解决机械优化设计问题的有效途径。     

考虑随机性局部约束的离散变量结构优化设计

随机性局部约束问题是结构优化设计中存在的一个普遍问题,该问题影响着结构优化设计软件的通用性.本文针对离散变量截面优化设计问题提出了一种处理随机性局部约束的算法及其程序实现并给出了几个实例.     

遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法。探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法，该算法可处理受应力，位移约束的结构优化问题，数值计算实例表明该算法效率高，具有很强的适应性。     

离散变量桁架结构拓扑优化的遗传禁忌搜索算法

采用遗传禁忌搜索算法求解多工况多约束的桁架结构拓扑优化问题.在遗传算法中采用直接比较-比例方法(DCPM)处理约束,避免了确定罚因子的选择问题.为了提高遗传算法的局部搜索能力,在每一代遗传操作之后选择一定比例的解进行禁忌搜索,形成遗传禁忌搜索算法,以提高算法的全局搜索能力和收敛速度.数值算例表明,该方法用于求解多工况多约束的离散变量桁架结构拓扑优化问题是方便、快速和有效的.     

对离散变量结构拓扑优化设计几个问题的探讨

探讨了离散变量结构拓扑优化的三个问题，指出离散变量拓扑优化也存在所谓奇异拓扑的现象，指出设计变量的离散程度和位移约束影响最优拓扑，优化设计时不可忽视。     

离散变量结构优化设计的混合遗传算法

针对离散复合形法提出了一种新的初始点产生办法，并基于满应力思想，对离散复合形法进一步做了改进，提高了离散复合形法的局部寻优能力，从而构造了一种改进的离散复合形法用于离散变量结构优化设计；对基本遗传算法运用Hamming距离控制种群的个体差异；在适应度计算过程中加入判定因子来减少结构重分析次数：在遗传操作中。对交叉和变异操作做了改进．并把复合形算子嵌入到复制操作中，从而建立了一种离散变量结构优化设计的混合遗传算法。算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法，是可行和有效的。     

离散变量桁架的形状优化设计

提出了离散截面变量空间桁架形状优化的一个两级算法．在第一级优化中，固定节点的位置，以杆件面积为设计变量，进行离散变量截面优化；在第二级优化中，以节点坐标为设计变量，同时考虑截面变化；形成一系列优化子问题，按目标函数下降方向用Ｆｉｂｏｎａｃｃｉ法搜索出各坐标设计变量的最优变动值，从而形成新的节点位置．两级优化交替进行，直到收敛为止．算例表明本方法简单，收敛平稳，优化效果较好．在算例中讨论了不同的节点坐标初值对优化结果的影响及产生原因．     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

离散变量桁架结构的布局优化设计

研究了多工况下受应力、位移约束的离散截面变量桁架结构的布局优化问题，提出了一个序列两级算法。在第一级优化中进行形式－截面优化，在第二级优化中进行拓扑优化。两级优化交替进行，最后得到最优的拓扑形式、几何形状和截面积分布。算例表明本法能够得到较好的布局优化结果。     

基于离散优化的图像修复

提出一种基于离散优化的图像修复方法.通过EM算法最小化一个离散全局的能量函数,E步和M步分别采用最佳接缝方法和一致性搜索,并且E步结合了图像块合成和一致性纠正.与贪婪合成和基于偏微分方程方法相比,该方法能够较好地保证修复结果的全局一致,可避免图像模糊.     

杆、梁结构离散变量拓扑优化设计

在考虑断面面积和拓扑两类离散变量及其耦合关系的基础上,建立了离散变量拓扑优化设计的数学模型;该模型反映了拓扑优化问题的耦合优化本质,有效地避免了“极限应力”和“奇解”对拓扑优化问题的困扰;为求解上述数学模型,提出了“拟机率-网格搜索法”;用该法对包含两类变量的杆、梁结构进行了拓扑优化设计,收到了较好的效果。     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

拓扑优化均匀化方法的改进迭代算法

针对大型连续体结构拓扑优化中迭代步过多、计算时间过长的问题,对拓扑优化均匀化方法进行了改进,并通过引入的2个密度阈值来控制计算过程.算例表明,采用改进的拓扑优化均匀化方法可有效减少迭代步数、节省计算时间,且不会影响拓扑优化计算结果.