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。     

离散变量结构优化设计的复合形遗传算法

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,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,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·     

遗传算法在复杂结构离散优化中的应用

本文利用遗传算法ＧＡ处理离散非凸问的优势,提出将序列二次规划法,改进的外罚函数法与ＧＡ法结合,并提出了进行可行性调整的新策略,从而为复杂结构离散优化建立了一种新的方法。     

改进遗传算法在建筑结构优化设计中的应用

针对标准遗传算法在迭代过程中经常出现未成熟收敛、发生振荡、随机性太大等缺点,提出一种新的遗传算子转基因算子,用于对标准遗传算法的改进·这种转基因算子有效地利用了计算适应度的信息,很好地保护了最优个体,并能提高群体中个体的适应度·包含转基因算子的改进遗传算法能直接计算具有应力约束和截面尺寸约束的离散变量结构优化设计问题,也能处理同时具有稳定约束和位移约束的多工况、多约束、多变量的离散变量结构优化设计问题·算例结果表明,改进遗传算法的收敛特性和优化设计结果远好于标准遗传算法,是一种理想的建筑结构优化设计方法·     

基于改进遗传算法的离散变量结构可靠性优化设计

根据离散变量结构可靠性优化设计的特点与难点,提出了基于改进遗传算法的可靠性优化设计方法,通过１５６杆输电出服失效状态下的可靠性优化设计与简易海洋平台屈服及疲劳失效上的可靠性优化设计实例,验证了方法的有效性,在计算速度及解的质量方面都取得了比较满意的结果。     

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．     

改进混合遗传算法在建筑结构优化设计中的应用

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,提出引入转基因算子与单亲遗传算子,同时提出一种离散变量结构优化设计的三等分割算法,通过与遗传算法相结合并运用到初始群体形成和进化过程中,使两种算法既可相互独立地运算,又可彼此相互协调、共同作用．根据工程实际,充分考虑规范规定的约束条件和各项技术标准要求,建立离散变量结构优化模型．各种算法的优化结果对比表明,改进混合遗传算法具有省时、高效、局部搜索能力强和全局性好的特点。     

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.     

离散变量桁架结构拓扑优化的杂交算法

为了加快遗传算法的进化过程,提出了遗传算法和拟满应力算法相结合的杂交算法,并将它应用于离散变量桁架结构的拓扑优化问题·在对桁架结构受力分析的基础上,提出一种启发式方法对随机生成的拓扑结构形式作必要修正,以快速产生符合机动性要求的拓扑结构形式·利用遗传算法进行桁架结构拓扑优化,用拟满应力算法进行截面优化,并将截面优化的结果传递给遗传算法作为拓扑优化中遗传操作的根据,这样大大减少单纯用遗传算法进行优化的解空间,从而加快搜索进程·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·     

混合变量多目标优化设计的Pareto遗传算法实现

提出了一种用Ｐａｒｅｔｏ遗传算法来实施的带约束的多目标混合变量的优化方法。得到Ｐａｒｅｔｏ最优解集,决策者从中可选出满足设计需要的解。该算法包括６个基本算子：选择、变异、交叉、离散变量圆整算子、小生境、Ｐａｒｅｔｏ集合过滤器。建立了用于多目标优化的适应度函数,使用模糊罚函数法法将带约束的多目标优化问题转换为无约束优化问题,同时提出了处理混合变量多目标优化问题中离散变量的方法。最后用算例说明了该方法     

离散体结构拓扑优化综述

本文分析了离散体结构拓扑优化的尺寸、独立拓扑变量及布局优化模型,讨论了基结构在工程设计和实际应用方面的缺陷及解决方法,评述了离散体结构拓扑优化的求解算法,简单介绍了离散体结构拓扑优化在实际工程中的应用,对拓扑优化的进一步理论研究、实际应用、软件开发做出了展望。     

基于混合遗传算法的随机结构可靠性优化设计

遗传算法（GA）是一种具有随机搜索技术的进化算法,但在运用过程中出现早熟、收敛速度慢、局部搜索能力差的缺点。对遗传算法中的遗传算子进行了改进,提出了遗传算法和最佳矢量法相结合的混合遗传算法,并引入了小生境技术。分析表明,基于小生境的混合遗传算法即发挥了最佳矢量法局部搜索能力强的特点,又结合了遗传算法全局搜索能力强的优点,使收敛性能大大改善,同时小生境技术的使用,避免了优化过程中局部最优解的出现,提高收敛速度。具体算例表明该混合遗传算法是一种高效的结构优化方法。     

基于遗传算法的机械优化设计

阐述了遗传算法的原理、理论基础和实现步骤,将遗传算法与搜索算法进行了分析比较,并附有应用实例。     

具有反向学习的多目标元胞遗传算法的空间桁架结构优化设计

为了解决具有多约束的桁架结构问题,提出一种具有反向学习的多目标元胞遗传算法应用于空间桁架结构多目标优化设计中。根据分析元胞遗传算法特点,引入一种反向学习策略、差分进化策略和约束处理技术。通过标准测试函数对比分析,算法能很好地保持Pareto解集的收敛性和均匀性。针对空间桁架结构优化的数学模型,采用实数编码和个体修正方法,将该算法对72杆空间桁架优化问题进行求解,并与MOCell的优化结果进行比较。结果表明,新算法获得的Pareto解集更加均匀,极端点值域更宽广,具有一定的工程实用性。     

Hybrid Genetic Algorithm for Engineering Structural Optimization with Dis crete Variables

Aiming at the phenomenon of discrete variables whic h generally exists in engineering structural optimization, a novel hybrid genetic algorithm (HGA) is proposed to directly search the optimal solution in this pape r. The imitative full-stress design method (IFS) was presented for discrete struct ural optimum design subjected to multi-constraints. To reach the imitative full -stress state for dangerous members was the target of IFS through iteration. IF S is integrated in the GA. The basic idea of HGA is...