空间杆系结构优化设计的修正 Goldfarb法

提出了一种用于空间杆系结构优化的快捷、有效的算法．该算法吸取文[１］的松弛方法通过对Ｇｏｌｄ－ｆａｒｂ提出的共轭梯度投影算法进行修正和完善，扩大了其应用范围和应用效率．通过对结构优化算例的计算，证明了这种修正 Ｇｏｌｄｆａｒｂ方法的有效性．     

基于拓扑描述函数的连续体结构拓扑优化方法

提出了一种利用拓扑描述函数(TDF)作为拓扑设计变量求解连续体结构拓扑优化问题 的新方法. 优化问题的目标函数是结构的整体柔顺性，约束条件为对于可利用材料的体积限 制. 这种方法不仅可以消除拓扑优化中经常出现的棋盘格式等数值不稳定现象，而且能够有 效地抑制传统算法处理此类优化问题时所引发的边界扩散效应. 与其它的基于水平集描述函 数的拓扑优化方法相比，所提出的算法不仅无需求解控制水平集函数演化的双曲守恒方 程，而且合理地考虑了目标函数的拓扑导数信息，因而使得算法的计算效率有了显著的提高.     

运用小波分析处理结构优化问题

结构优化设计中,常遇到具有奇异的结构优化问题,利用小波分析在奇异性检测中的优越性,将其引入到结构优化计算中。文中分别讨论了小波分析处理低维和高维结构优化问题,并给出相应的算法及计算步骤。最后,给出较为典型的算例。通过算例表明,小波分析方法可解决具有奇异性的结构优化问题,尤其是某些较为特殊的结构优化问题。     

工程结构优化程序系统ESSOS

本文介绍一个实用化的工程结构优化程序系统。该系统基于一种先进的结构优化算法，对大型复杂结构的优化设计具有很好的适应性；系统具有易为工程人员掌握的前后置处理功能，最后给出一个模拟的航天器太阳阵结构优化算例以验证系统的有效性。     

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。     

工程结构优化程序系统ESSOS

本文介绍一个实用化的工程结构优化程序系统．该系统基于一种先进的结构优化算法，对大型复杂结构的优化设计具有很好的适应性；系统具有易为工程人员掌握的前后置处理功能．最后给出一个模拟的航天器太阳阵结构优化算例以验证系统的有效性．     

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。     

粘性流体中弹性板振动的有限元耦合问题

流体－结构耦合作用问题是工程中比较常见的问题，具有重要意义，由于流体计算的复杂性，迄今为止，大部分的流体－结构耦合分析都是建立在对流体充分简化的基础上，尤其是将流体视为无粘、无旋的理想流体。该文在近年来前人工作的基础上，发展了一种流体－弹性结构耦合计算模式。流体视为不可压、有粘的介质，流场没有自由表面。该文采用ＳＵ／ＰＧ方法形成流体的有限元方程，采用ＡＬＥ格式处理流体和结构之间的移动界面。采用预估     

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.     

基于蚁群算法的结构拓扑优化方法

在蚁群优化算法的基础上,将结构拓扑优化问题转换成为双TSP问题,引入了拓扑量和拓扑总量作为结构拓扑变化的评判标准,用MATLAB语言编写了求解结构拓扑优化的简化程序,实现了蚁群优化算法在结构拓扑优化设计上的应用。对经典的平面桁架结构的拓扑优化算例,本文算法与离散系统下的优化算法结果表明:在不同约束限制下,结构拓扑形式一致,重量优化可减小1.4%~3.3%;对某输电线塔应用结果表明:与差商算法相比,搜索的结构拓扑形式更全面,结构质量优化也减小了22%。说明本文优化算法具有较强的实用性。     

AN EFFICIENT GENETIC ALGORITHM FOR LARGE SCALE BUILT-UP STRUCTURAL OPTIMIZATION

In this paper,a new zigzag method for plate structures and a geneticalgorithm (GA) of dynamic source seed spaces are developed and a combination ofthem is used to deal with large scale built-up structural optimization.The new GAcombined with the zigzag method can work efficiently when coping with large scalestructural optimization included displacement and stress constraints.Examples showthat this GA is robust and can be used for many complex structural optimizationproblems.     

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。     

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．     

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。     

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。     

桁架结构截面优化设计的改进模拟退火算法

将模拟退火算法应用于桁架结构截面尺寸优化设计,提出若干方法改进了算法的鲁棒性、计算效率和求解精度。通过一批经典问题,同时与传统结构优化算法和遗传算法进行了比较。数值结果表明,本文的改进模拟退火算法具有很高的优化求解精度,计算效率有显著提高且优于遗传算法,有望在结构优化设计问题中发挥其特点。     

基于自适应遗传算法的Stewart平台结构双目标优化设计

探讨了大射电望远镜精调Stewart平台的设计准则,建立了综合衡量Stewart平台运动精度和质量的双目标优化模型,以其结构强度和固有频率为约束条件,采用自适应遗传算法对该优化问题求解。通过与采用标准遗传算法所得优化结果的比较,验证了自适应遗传算法在Stewart平台结构参数设计中的有效性。     

遗传递增演化算法配筋优化设计

递增演化结构算法(AESO)是在初始结构上,逐步增加有效材料,进而得到优化拓扑形状,其运算速度快,但容易陷入局部最优解。为提高寻找全局最优解的能力,把递增演化结构算法(AESO)和遗传算法(GA)相结合,提出遗传递增演化算法(GAESO),在增加有效材料的选择性上引入生物进化遗传理论,并以ANSYS有限元分析软件的非线性分析为平台,采用钢筋混凝土分离式模型,探讨遗传递增演化算法(GAESO)在钢筋混凝土复杂应力构件配筋优化设计上的应用,直观地完成在荷载作用和应力约束条件下简支深梁、简支开洞深梁和开洞剪力墙等钢筋混凝土复杂应力构件的配筋优化设计,所得结果符合受力机理,演化方向正确,钢筋布置明确,与遗传演化优化算法(GESO)所得结果进行比较验证,证实了算法的可行性、速敛性和稳定性,能为钢筋混凝土配筋优化设计提供参考。     

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。     

Optimal distribution of reliability for a large network based on connectivity

It is a non-polynomial complexity problem to calculate connectivity of the complex network. When the system reliability cannot be expressed as a function of element reliability, we have to apply some heuristic methods for optimization based on connectivity of the network. The calculation structure of connectivity of complex network is analyzed in the paper. The coefficient matrixes of Taylor second order expansion of the system connectivity is generated based on the calculation structure of connectivity of complex network. An optimal schedule is achieved based on genetic algorithms （GA）. Fitness of seeds is calculated using the Taylor expansion function of system connectivity. Precise connectivity of the optimal schedule and the Taylor expansion function of system connectivity can be achieved by the approved Minty method or the recursive decomposition algorithm. When error between approximate connectivity and the precise value exceeds the assigned value, the optimization process is continued using GA, and the Taylor function of system connectivity needs to be renewed. The optimization process is called iterative GA. Iterative GA can be used in the large network for optimal reliability attribution. One temporary optimal result will be generated every time in the iteration process. These temporary optimal results approach the real optimal results. They can be regarded as a group of approximate optimal results useful in the real project.