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.     

离散变量结构优化设计的相对差商-遗传算法

将相对差商法(RDQA)和遗传算法(GA)结合起来,提出一个离散变量结构优化设计的有效解法———相对差商-遗传算法。3个算例结果显示出其优于相对差商法与遗传算法:(1)大大提高了遗传算法搜索全局最优解的能力及计算效率;(2)间接证明了相对差商法具有足够的逼近全局最优解的能力。     

遗传算法在随机参数刚架结构概率优化设计中的应用

对随机参数刚架结构在随机荷载作用下基于概率的优化设计进行了研究。同时考虑结构的物理参数和作用荷载等的随机性;建立以杆截面积为设计变量、结构质量均值极小化为目标函数、具有刚度和强度可靠性约束的优化设计数学模型;通过可靠性约束等价显式化处理和引入罚函数,将原概率约束优化问题转化为无约束优化问题,利用遗传算法求解。算例表明：文中提出的模型和方法是合理有效的。     

遗传算法在结构优化中的研究进展

遗传算法(genetic algorithm)是基于Darwin的进化论和Mendal遗传学说而形成的新算法,具有全局收敛性和并行性,适用性广,并要求较少的先验知识,现在已广泛应用于优化、模式识别等方面.本文简要地介绍了简单遗传算法的基本过程及其数学基础;并从编码机制、收敛性和算子的研究等方面详细地阐述了遗传算法理论的发展;对约束处理方式、适应值函数的选取等方面的研究进行分析和评论;最后还提出遗传算法存在的主要问题和展望.      

结构优化设计的KFD方法及其在电除尘器本体结构优化中的应用

电除尘器本体结构优化设计是一个规模大,设计变量数多而具有相当难度的几何可调和拓扑可调优化设计问题。对这样一个大型复杂的结构优化问题,本文在文[1]的工作基础上,充分利用结构的力学特性,应用有效设计变量的概念,建立了不用求偏导数且不必解线性规划的可行方向法—KFD方法。该方法具有收敛速度快、占用内存少的优点,比通常ε有效约束可行方向法提高速度数十倍。实际应用的结果表明文中的方法是很有效的。     

平板网架结构分析的超级有限元法

本文给出一种二维矩形超级单元，用以分析平板网架结构、其做法是将大型平板网架结构离散成一系列矩形超级单元，考虑弯曲，剪切、挤压、拉压、翘曲等多种非经典变形效应，采用构件自由度向超级元自由度的转换把大型多构件问题的求解变为二维问题的求解，可大大减少未知量，又能保证精度，并可方便地与一般有限元软件连接。     

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。     

基于范例学习的遗传算法在连续体结构拓扑优化中的应用

本文提出了一种用机器学习来改进遗传算法搜索效率的新方法———基于范例学习的遗传算法(简称CLGA),并将该方法成功应用于连续体结构拓扑优化。CLGA的基本思想是利用已搜索过的点的信息来指导后续的搜索,避免重复计算,从而提高了GA搜索的效率。本文提出了目标向量的概念,可以在不同尺度下量化链码产生的不同结构个体之间的相似性。算例的计算结果表明,该方法是一种高效的连续体拓扑优化方法。     

桁架结构拓扑优化与遗传算法

用遗传算法求解桁架结构拓扑优化，结果表明是可行的。     

桁架结构拓扑优化与遗传算法

用遗传算法求解桁架结构拓扑优化，结果表明是可行的。     

局部荷载作用下网架结构的拟夹层板分析法

把正交正放类网架结构简化为构造上正交异性的夹层板，采用考虑剪切变形的具有三个广义位移的平板弯曲理论来分析，给出了网架结构在局部荷载作用下的内力、位移解析计算公式，并用有限元方法进行了验证．     

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．     

形状优化设计的一个方法—带参数的状态空间可行方向法

本文用状态变量描述结构的性态约束,用参变量描述结构几何区域由形状设计变量的变化所产生的增量场,提高了敏度分析的计算效率,弥补了用有限差分法计算敏度的不足,构造了带参数的状态空间可行方向法,用来解平面应力(应变)结构形状优化设计问题,对所算例题,只要一、二次迭代分析,就可取得满意结果,附录给出了几个导数的表示。     

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.     

基于遗传算法的约束阻尼梁减振优化分析

约束阻尼结构能有效减振, 但会增加结构的质量和体积, 基于此有必要对其 结构进行优化. 本文应用有限元软件ANSYS建立增设支撑层的约束阻尼梁模型, 根据模态应 变能原理提取约束阻尼梁的模态损耗因子, 并建立以阻尼段长度、约束层厚度、支撑层厚度、 阻尼段数目为设计变量的目标函数, 利用MATLAB多目标遗传算法进行优化运算. 计算结果表 明, 优化后的约束阻尼结构能够在引入质量较小情况下有效减小梁振动幅度, 使振动在较短 的时间内衰减.     

基于遗传算法的复合材料细观结构拓扑优化设计

利用高精度通用单胞模型将复合材料的细观拓扑结构与宏观力学性能结合起来,采用遗传算法对复合材料的细观结构进行优化,发展了基于遗传算法的复合材料细观结构拓扑优化设计方法.以材料的宏观力学性能为优化目标,从随机的初始细观结构出发,对复合材料纤维体积百分比进行约束,经过迭代获得满足设计要求的代表性体积单元.在优化过程中,对遗传算法的交叉过程作了较大的改进,实现了复合材料细观拓扑结构的任意变化,提高了对可行域的搜索效率.分别以极限剪切模量和泊松比为优化目标,验证了所提出优化方法的正确性和有效性.     

带滑移铰空间机器人运动规划的混合优化策略

研究了自由漂浮带滑移铰空间机器人非完整运动规划的最优控制问题,提出一种由高斯伪谱法求解可行解与直接打靶法求解最优解相结合的混合优化策略.首先,根据多体系统动力学理论建立空间机器人的动力学模型,给定系统的初始和目标位形,将空间机器人运动规划问题描述成博尔察（Bolza）型最优控制问题;然后,利用高斯伪谱法将最优控制问题离散为非线性规划问题,求解在较少勒让德-高斯（Legendre-Gauss,LG）点时状态变量和控制变量对应的可行解;最后,在LG点处离散控制变量,作为直接打靶法的初值,利用序列二次规划算法求解空间机器人系统的优化运动轨迹和最优控制输入.通过数值仿真,系统优化运动轨迹光滑平稳,最优控制输入也能很好地满足各种约束条件,仿真结果验证了该混合优化策略的鲁棒性和有效性.     

HYBRID OPTIMIZATION STRATEGY FOR MOTION PLANNING OF SPACE ROBOT SYSTEM WITH PRISMATIC JOINT

研究了自由漂浮带滑移铰空间机器人非完整运动规划的最优控制问题,提出一种由高斯伪谱法求解可行解与直接打靶法求解最优解相结合的混合优化策略.首先,根据多体系统动力学理论建立空间机器人的动力学模型,给定系统的初始和目标位形,将空间机器人运动规划问题描述成博尔察（Bolza）型最优控制问题;然后,利用高斯伪谱法将最优控制问题离散为非线性规划问题,求解在较少勒让德-高斯（Legendre-Gauss,LG）点时状态变量和控制变量对应的可行解;最后,在LG点处离散控制变量,作为直接打靶法的初值,利用序列二次规划算法求解空间机器人系统的优化运动轨迹和最优控制输入.通过数值仿真,系统优化运动轨迹光滑平稳,最优控制输入也能很好地满足各种约束条件,仿真结果验证了该混合优化策略的鲁棒性和有效性.     

基于遗传算法和梯度算法压电层合结构的最优形状控制

基于压电层合结构的有限元方程,运用ANSYS/APDL语言,编制了力-电耦合有限元分析程序(MPFEMP).以该程序为计算基础,采用遗传算法和一阶梯度优化算法,以压电片尺寸为设计变量,以压电层合梁和板的预期位移或最小重量为目标函数,给定初始变量和适应度函数,通过循环迭代MPFEMP计算程序,研究了多点控制的压电层合梁板结构的形状最优控制.结论对比分析证明了两种优化方法分析压电层合结构的有效性,同时,对复杂多层智能结构的最优形状控制和主动控制研究具有一定的参考价值.     

基于微分进化算法的深空轨道全局优化设计

针对多目标多任务的深空探测轨道设计问题,提出一种新的将探测目标、探测方式、探测顺序以及发射窗口同时作为优化变量, 并采用微分进化算法进行全局优化的设计方法. 使用该方法在只考虑太阳中心引力作用的二体模型下,基于圆锥曲线拼接法建立第三届全国深空轨道设计竞赛问题的优化模型并进行求解. 最后利用该方法求解ESA的ACT研究团队的深空探测任务算例并对结果进行对比分析. 结果表明, 提出的全局优化设计方法对解决多目标、多任务深空探测轨道优化设计问题是可行和有效的.