基于自动分组遗传算法的建筑结构体系与构件尺寸协同优化设计

研究了利用结构优化方法实现建筑结构体系选择的问题。文中建立了可以覆盖框架、框架-剪力墙和巨型结构三种体系的优化模型,并采用自动分组遗传算法求解,实现了结构体系与构件尺寸的协同优化。文章特别设计了三类模块,每类模块通过专门构造的含有多个分量的设计变量来表示,按一定方式组合这些模块可得到不同体系的结构。巨型结构中,巨型构件的设计变量表示方法和惯性矩计算方法满足提出的三条假设。基于精心构造的设计变量和三条相关假设,文中建立了以结构总材料用量最少为目标,考虑强度、刚度、分组及构造要求等约束条件的优化模型,采用自动分组遗传算法研究了40层、10层、6层三种高度建筑的优化设计。在相同外荷载条件下,它们的最优设计分别为巨型结构、框架-剪力墙和框架结构。     

采用自动分组遗传算法的频率约束下桁架拓扑优化

研究了带有频率约束的桁架结构拓扑优化问题.首先比较了同为铰结情况下采用两种不同单元-杆单元和梁单元模拟对频率计算结果的影响,发现杆模型会丢失杆件弯曲振动模态,得到的最大自振频率设计往往含有很细截面的杆件,而实际上具有很低的频率.为克服这一困难,并考虑到实际工程结构的结点具有一定的刚性,建议此类优化问题可以采用刚架模型进...     

基于遗传算法的雷达天线罩优化设计

本文采用遗传算法，对雷达天线罩在满足透波率和结构静强度的约束下，进行结构壁各层厚度的优化，使其结构重量最轻。设计实例表明，该方法对复杂的结构优化问题能够获得较好的优化结果。     

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.     

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。     

桩基础优化设计的模块化方法

采用改进的自动分组遗传算法,按现行规范实现了在概念设计阶段的桩基础优化设计。根据工程设计和施工的实际情况,提出了模块化方法,将整个基础划分为一定数量的模块,各模块以所含桩的数量、长度和直径为特征,兼顾桩距及布局等因素,能够实现桩基础拓扑、形状和尺寸的协同优化。在此基础上,建立了以桩基材料用量最少为目标,考虑承载力、沉降、偏心、软弱下卧层及分组等多个设计约束的桩基优化模型。求解上述优化问题,可获得具有最优设计变量取值和设计变量分组的可行设计。本文方法用于两个算例的优化,取得了良好效果。     

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。     

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。     

基于遗传算法的结构支撑位置优化

采用整数编码、实数编码、种群隔离机制、算术杂交、非均匀随机变异等新理论设计了一种广义遗传算法,并将该算法应用于结构支撑位置优化问题。数值算例表明,该方法能够很好地求解支撑具有弯曲刚度的结构支撑位置优化问题,对于一般支撑位置优化问题具有较强的适用性。     

基于遗传算法的仿真转台控制器优化设计与应用

针对仿真转台系统的时变性、模型的不确定性等特点，提出采用基于遗传算法的PID自适应控制器，实现控制器参数的在线自寻优。试验结果表明，该控制算法具有很强的鲁棒性、抑制外界干扰性和良好的动态性能。     

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。     

可靠性优化问题中遗传算法适应值函数的建立

应用遗传算法进行优化,约束的处理成为建立适应值函数和算法进行的关键.可靠性优化是以系统可拿性指标作为优化问题的约束条件.首先结合外罚函数法建立数学模型,处理约束的惩罚因子时根据种群情况白适应取值,构造适应值函数的映射公式.随后采用拉格朗日秉子法建立了新的约束与目标函数向适应值函数的映射公式,该公式可以避免因罚函数病态所导致的搜索终止,收敛更加快速,使遗传算法得以成功应用于可靠性优化问题中.分析计算结果表明乘子法具有更好地收敛效果,两个公式构造合理.     

基于动力学响应的多组件系统布局优化方法

针对圆形安装板上多组件布局问题,以组件系统静平衡性为约束,以系统在随机振动下的动力学响应为优化目标,建立了多组件系统的动力学布局优化模型。针对所建立的优化模型,提出采用序列二次规划方法和改进遗传算法相结合的策略进行多约束条件下的组件布局优化。最后,对两个典型算例进行了动力学优化计算,结果表明,本文所建立的优化模型在多约束的情况下可提高组件系统的动力学性能,满足静力学和动力学性能要求。     

基于遗传算法的舰载IMU优化布局

惯性测量单元（IMU）用来为舰载武器系统提供准确的姿态并实时监测舰船甲板的变形，对其数目和位置进行优化具有重要的实用价值．提出了多IMU优化布局的原则，建立了舰载IMU优化布局的数学模型，采用遗传算法对IMU的布局进行了优化求解。仿真结果表明，舰载IMU的布局是影响甲板变形估计精度的一个重要因素，通过对IMU的布局进行优化，减少了舰载武器系统所需IMU的数量；利用优化布局后IMU的输出信息对全舰甲板变形进行估计，估计精度有很大提高。     

离散结构的遗传形状优化设计

离散结构的形状优化问题，设计变量是不同性态的连续／离散混合变量，优化收敛困难。本文利用遗传算法实现其全局最优设计，以空间２５杆桁架结构为例，进行了多变量、多工况的结构形状遗传优化设计。为减少结构重分析次数，引入了Ｓｔｅａｄｙｓｔａｔｅ算法。结果表明结构形状的遗传优化设计方法是可行的。     

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。