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。     

区间模型非概率可靠性全局最优解

考虑到实际工程中大量存在不确定性因素,将结构中不确定参数描述为凸集变量的一种特殊情况－区间变量,根据区间模型可靠性指标的定义,采用解析方法进行非概率可靠性全局分析。为避免可能失效点遗漏,解析分析从二、三维开始,对平面和空间进行区域划分,根据极限状态函数的形式,指出了可能失效点依赖于极限状态函数的极值点和根植点。通过简单的量值比较,即可确定最可能失效点,进一步可求得可靠性指标。将低维分析方法推广到n维情况,给出了n维空间中用于计算极值点和根植点方程的数量,能够有效避免发生可能失效点遗漏现象,对优化搜索具有指导意义。针对两类算例进行求解,并与已有结果比较,验证了本文解析方法的正确性。     

非概率区间模型可靠性指标的梯度投影算法

考虑不确定参数为区间变量,研究求解非概率可靠性指标的有效搜索算法.基于函数梯度法的基本思想,构造搜索方向,建立迭代算法格式,将传统的用于概率可靠性分析的梯度投影法用于非概率可靠性指标的求解.当收敛点为非最可能失效点时,提出了空间降维算法,并给出了整个搜索算法的计算步骤.通过数值算例,验证了本文提出的搜索迭代算法的有效性和正确性.     

混沌优化算法在土质边坡稳定性分析中的应用

确定边坡最危险滑动面并计算与之相对应的安全系数是边坡支护的重要任务。本文结合简化Bishop法,用一种新的智能优化算法——混沌优化算法来搜索全局最优解。该方法利用混沌运动本身具有遍历性、随机性、“规律性”等内在特点,能在一定范围内按其自身“规律”不重复地遍历所有状态,易于跳出局部最优解,具有很强的全局搜索能力。通过坡高为12.3m的某电厂三层土质边坡的典型算例分析,并和遗传算法、枚举法计算结果对比可知,计算结果超于一致,其差值接近于0,因此混沌优化算法能在很高精度下搜索到全局最优解,能很好地解决边坡稳定性分析中的优化问题。     

引入退火机制的智能单粒子算法在复杂边坡最危险滑动面搜索中的应用

复杂边坡的安全系数可能存在多个局部极小值点,如何确定边坡的最小安全系数是复杂边坡稳定性分析中的一个关键问题。本文结合简化Bishop法,采用一种新的启发式全局优化算法——智能单粒子算法(ISPO)来搜索复杂边坡的最危险滑动面。为帮助该算法快速跳出局部极值点,本文将模拟退火(SA)机制引入到智能单粒子算法中,结合了两种算法各自的优点,提出了引入退火机制的智能单粒子算法SA-ISPO。将本文提出的SA-ISPO算法用于搜索两个复杂边坡的最危险滑动面,并与其它方法相比较,验证了SA-ISPO算法的优越性,该算法搜索效率高,计算结果不受搜索范围的影响,是一种较好的全局优化算法。     

基于异步爬猴群算法的传感器优化布置方法研究

针对猴群算法中的重要步骤"爬过程"搜索盲目、效率较低的问题,提出了一种用于传感器优化布置的异步爬猴群算法。采用双重编码的方式,克服了原猴群算法只能解决连续变量优化问题的缺陷;利用猴群在搜索过程中的全局最优解和个体历史最优解的信息改进了爬过程的搜索模式,同时将异步变化学习因子引入到搜索模式中,通过调整猴子自身经验和社会群体经验在爬过程中所起的作用,来保持全局搜索和局部搜索的平衡,大幅提高了算法的搜索效率。文末以广州新电视塔为例,进行了参数敏感性分析以及传感器优化布置方案的选择。结果表明,异步爬猴群算法能较好的解决传感器优化布置问题,搜索效率较原猴群算法有了较大的提高。     

非线性函数的混沌优化方法比较研究

已有的混沌优化方法几乎都是利用Logistic映射作为混沌序列发生器，而Logistic映射产生的混沌序列的概率密度函数服从两头多、中间少的切比雪夫型分布，不利于搜索的效率和能力。为此，首先根据Logistie映射混沌轨道点密度函数的特点，建立改进的混沌-BFGS混合优化算法。之后，考虑到Kent映射混沌轨道点密度为均匀分布，建立了基于Kent映射的混沌-BFGS混合优化算法。然后对五种混合优化方法——不加改进的和改进的基于Logistic映射的混沌-BFGS法，基于Kent映射的混沌-BFGS法，Monte Carlo试验-BFGS法，网格-BFGS法进行了研究，分别对3个低维和2个高维非线性复杂测试函数进行优化计算，对它们的全局优化计算效率和寻优能力做了比较，并探讨了混合优化方法全局优化性能差异的原因。结果表明，混沌优化方法是与Monte Carlo方法类似的一种随机性试验优化方法。而且，这类优化方法的计算性能至少与以下因素有关：混沌／随机序列的统计性质，优化问题全局最优点位置。     

面向工程全局优化的混沌优化算法研究进展

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法(基于混沌搜索)、第二类混合混沌优化算法(混沌序列代替随机序列)以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

面向工程全局优化的混沌优化算法研究进展Research advances of chaos optimization algorithms for engineering global optimization

近年来,基于混沌的初值敏感性、伪随机性、遍历性以及自相似分形等非线性动力学特性所发展的混沌优化方法,是一种有潜力的工程全局优化新工具,已广泛应用于科学与工程技术的各学科领域。根据混沌优化方法的发展历程,以算法基本思想和工程应用研究状况为重点,评述了混沌神经网络优化方法、第一类混合混沌优化算法（基于混沌搜索）、第二类混合混沌优化算法（混沌序列代替随机序列）以及混沌分形优化四种主要混沌优化算法。混沌映射最早被引入神经网络,发展了混沌神经网络优化方法,可解决复杂的组合优化等全局优化问题。遗传算法及粒子群等启发式随机算法虽具全局搜索能力,但易出现早熟并陷入局部最优。然后,出现了混沌搜索的概念,研究者将其嵌入启发式算法建立了第一类混合混沌优化算法,可有效克服原启发式算法早熟收敛的缺点。随后,利用混沌映射产生的混沌序列代替启发式算法中的随机参数形成了第二类混合混沌优化算法。混合混沌优化算法有益于实现快速全局收敛和提高计算精度。最后,利用混沌分形特性,从分形理论出发提出一类新颖的混沌分形优化算法,可搜索到优化问题的所有全局最优解。此外,对混沌优化算法研究的几个发展方向进行了展望,诸如加强混沌优化算法的参数设计、处理大规模优化、多目标优化问题以及使用代理模型等。     

工程结构优化的进化策略-高斯过程协同优化方法

针对采用仿生全局优化方法进行复杂工程结构优化时数值计算量浩大导致的计算代价过高的公开问题,将自适应协方差矩阵进化策略(CMAES)全局优化算法、高斯过程(GP)机器学习技术与有限元方法相结合,提出了基于自适应协方差矩阵进化策略-高斯过程协同优化算法(CMAES-GP)的结构优化方法。该方法利用全局寻优性好且寻优效率高的CMAES算法进行全局最优搜索,当搜索进入局部寻优阶段时,采用回归性能优秀的GP模型对适应度函数进行动态拟合,进而利用GP模型替代有限元分析进行个体适应度评价,以减小局部寻优阶段的有限元重分析次数,从而实现有效降低工程结构优化计算代价的目的。算例研究表明,与传统结构优化方法相比较,本文方法具有全局性好、计算效率高的优点。     

金属栅格加筋结构的并行协同优化方法

栅格加筋板的主要失效形式为整体屈曲和局部屈曲,据此提出了一种栅格加筋板布局的并行协同优化方法,将设计变量分为整体设计变量与局部设计变量,在两个子空间中并行优化,然后进行系统级协调,反复迭代至收敛。两个典型算例结果表明,本文方法优化流程清晰、算法稳定且结果可靠,可以获得最优解。     

Theoretical analysis of non-probabilistic reliability based on interval model

The aim of this paper is to propose a theoretical approach for performing the nonprobabilistic reliability analysis of structure.Due to a great deal of uncertainties and limited measured data in engineering practice,the structural uncertain parameters were described as interval variables.The theoretical analysis model was developed by starting from the 2-D plane and 3-D space.In order to avoid the loss of probable failure points,the 2-D plane and 3-D space were respectively divided into two parts and three parts for further analysis.The study pointed out that the probable failure points only existed among extreme points and root points of the limit state function.Furthermore,the low-dimensional analytical scheme was extended to the high-dimensional case.Using the proposed approach,it is easy to find the most probable failure point and to acquire the reliability index through simple comparison directly.A number of equations used for calculating the extreme points and root points were also evaluated.This result was useful to avoid the loss of probable failure points and meaningful for optimizing searches in the research field.Finally,two kinds of examples were presented and compared with the existing computation.The good agreements show that the proposed theoretical analysis approach in the paper is correct.The efforts were conducted to improve the optimization method,to indicate the search direction and path,and to avoid only searching the local optimal solution which would result in missed probable failure points.     

两类变量综合处理的结构形状优化设计方法

本文针对截面变量为离散变量为连续变量的结构优化问题提出了一种优化设计的方法,首先将单元内力作一阶近似,利用凝聚函数多约束问题转化了单约束问题。在解过程中,把定义在连续区间上的形状变量看成是在一些离散以值的离工用变量,然后将两类变量统一考虑并利用相对差商法求解。将该算法应用于几个经典的结构优化算例,运算结果显示了该方法是可行的,优化结果也比较满意。     

基于生物地理-海鸥群优化的高维结构可靠性分析

结构可靠度分析中,一阶可靠度方法由于简单高效而得到广泛使用.然而,对于高维非线性问题,一阶可靠度方法可能导致不收敛或者早熟.为克服这一缺陷,本文提出了基于生物地理-海鸥群优化的改进一阶可靠度方法.针对海鸥群优化算法在寻优过程中存在的早熟现象,引入生物地理优化算法中的变异与迁移机制,提出生物地理-海鸥群混合优化策略进行寻...     

基于改进的双向渐进结构优化法的应力约束拓扑优化

工程结构设计时经常需要限制最大名义应力,以避免发生断裂或疲劳破坏,一个有效的策略是采用拓扑优化方法. 常规的双向渐进结构优化法(bi-evolutionary structural optimization, BESO)不能有效求解应力约束拓扑优化问题,为此本文提出一种改进的双向渐进结构优化方法,处理体积和应力约束下的最小柔顺性问题. 引入基于K-S函数的全局应力度量,以减小大量局部应力约束引起的计算代价. 采用拉格朗日乘子法将应力约束函数引入到目标函数,然后由二分法确定合适的拉格朗日乘子的值使得应力约束得到满足. 而且,详细推导了基于BESO方法的应力约束拓扑优化模型及其灵敏度列式,最后通过三个典型拓扑优化算例验证改进方法的有效性. 为展示考虑应力约束的优点,将应力约束设计与传统的基于刚度的设计进行了比较. 结果表明, 改进的BESO方法优化迭代过程稳健,获得了边界灰度单元很少的清晰的拓扑构型,并实现了有效降低应力集中效应的设计.      

结构可靠性分析的多平面组合近似方法研究

应用AFOSM法获得最大可能概率失效点和最大可能失效区域,对最大可能失效区域边界进行了近似界定.采用超单位超球坐标构造搜索方向,利用黄金分割法快速求得线性化点,提出一种新的多近似平面的构造方法,避免了构造近似平面的盲目性和无序性.针对多近似平面组成系统的特性,提出基于AFOSM的逐次等效主近似平面方法计算结构的失效概率.算例结果表明,本方法可行有效且效率高,是一种精度较高的结构可靠性近似分析方法.     

桁架形状优化设计的模拟退火算法

针对桁架形状优化问题,提出了一种改进的模拟退火算法．在该算法中提高了计算精度、计算效率和通用性;针对桁架形状优化设计,采用多目标规划的思想,将离散变量优化和连续变量优化结合起来．数值算例验证了改进模拟退火算法的可行性和有效性．     

Advanced response surface method for mechanical reliability analysis

Based on the classical response surface method (RSM), a novel RSM using improved experimental points (EPs) is presented for reliability analysis. Two novel points are included in the presented method. One is the use of linear interpolation, from which the total EPs for determining the RS are selected to be closer to the actual failure surface; the other is the application of sequential linear interpolation to control the distance between the surrounding EPs and the center EP, by which the presented method can ensure that the RS fits the actual failure surface in the region of maximum likelihood as the center EPs converge to the actual most probable point (MPP). Since the fitting precision of the RS to the actual failure surface in the vicinity of the MPP, which has significant contribution to the probability of the failure surface being exceeded, is increased by the presented method, the precision of the failure probability calculated by RS is increased as well. Numerical examples illustrate the accuracy and efficiency of the presented method.     

基于混合编码遗传算法和有限元分析的压电结构载荷识别

与传统的优化算法相比,遗传算法不需要计算目标函数的导数信息,便于迭代,可实现全局寻优.因此,本文提出一种采用混合编码的遗传算法与有限元分析相结合,对复合材料层合板、壳进行载荷识别的新方法.在遗传算法求解过程中,设计变量的编码方法选择是其重要环节,二进制编码容易产生连续函数离散化时的映射误差,且其求解精度与染色体的编码长度紧密相关,过长的染色体描述虽可提高精度,但会显著降低算法的求解效率.为此,本文提出采用混合编码的方法进行载荷识别,即用二进制编码表征载荷作用位置,浮点数编码表示载荷的大小.这一方法大大降低了染色体的长度,并显著提高了计算效率和精度.