启发式粒子群优化算法及其在空间结构优化中的应用

介绍了应用于结构离散变量的标准粒子群优化算法(PSO)及被动群集的粒子群优化算法(PSOPC),指出了两者在处理约束条件方面的不足之处.在基于“和谐搜索“算法(Harmony Search)产生新解的思想基础上,提出了应用于结构离散变量的启发式粒子群优化算法(HPSO).应用所提出的HPSO算法对多个平面及空间桁架结构进行了截面优化设计,数值计算结果表明本文提出的启发式粒子群优化算法(HPSO)可以搜索到最优解,并且具有较高的收敛速度,尤其在迭代计算的初期,计算效率非常明显.HPSO算法明显提高了PSO算法的效率.     

改进的多目标启发式粒子群算法及其在桁架结构设计中的应用

针对工程结构多目标优化设计中出现的约束条件处理能力差、编程复杂,计算效率低且收敛精度差等问题,对启发式粒子群算法(HPSO)进行改进,提出了多目标启发式粒子群算法(MOHPSO),并与多目标粒子群算法(MOPSO)和改进的多目标群搜索算法(IMGSO)进行比较。通过对15杆平面桁架、40杆平面桁架和72杆空间桁架3个经典算例的计算,证明了所提出的MOHPSO算法的有效性。结果表明:MOHPSO算法具有收敛精度高、约束处理能力强、全局最优解选取更合理、非劣解集维护效率高等特点。     

改进的粒子群优化算法在结构优化中的应用

结构优化设计对于实际工程具有重要的意义。本文通过对标准的粒子群优化算法进行分析,将惯性权重系数引入到原算法中,并建立了相应的优化模型。介绍了改进的粒子群算法的基本思想、结构优化模型及其实施的具体步骤,最后通过算例及与标准PSO优化算法的比较,验证了改进后的方法的效率和有效性。结果表明该方法提高了优化性能,具有很好的应用前景。     

索承网壳结构的截面优化

根据索承网壳结构静力、稳定性分析特点,从适合索承网壳结构工程应用的角度出发,在考虑结构几何非线性基础上,提出用改进的离散变量两级优化方法来研究选定索力情况下的截面优化问题。该方法适用于同时具有应力约束、稳定性约束和位移约束的离散变量结构优化问题的计算。最后通过算例,验证该方法的正确性和有效性。     

整数编码遗传算法离散变量优化设计

提出了一种具有较强局部搜索能力的整数编码遗传算法,给出了离散变量结构优化的数学模型和适应度函数,它采用动态边界约束、有限变异算子、( - 1,0,1)规划算子等策略来改进算法。算例表明本文算法收敛速度快、收敛平稳     

混合遗传算法在离散变量结构优化中的应用

针对遗传算法在离散变量结构优化设计中的缺陷,将进退搜索算法同遗传算法相结合,提出了一种混合遗传算法。建立了离散变量结构优化模型,并对一11杆桁架结构进行了优化设计。算例结果表明,混合遗传算法收敛快、精度高,应用于离散变量结构优化设计是有效的。     

基于WCA优化算法的空间桁架结构优化设计

群智能优化算法已被证实可以用于解决实际工程的优化问题。水循环算法可对约束问题进行求解。基于自然界中水循环过程提出的一种新型智能优化算法———水循环算法(WCA),研究了其应用于空间桁架结构优化设计问题的可行性及有效性,论文对两个空间桁架结构进行了截面优化计算分析,并与已有文献优化结果进行了比较,研究结果表明:WCA优化算法相对于群搜索算法(GSO)、启发式粒子群优化算法(HPSO)等优化算法能够提供更快的收敛速度,收敛结果也更好。     

改进的群搜索优化算法及其应用

群搜索(GSO)算法是一种新的群智能优化算法,适用于结构优化设计.本文通过对GSO算法进行改进,简化了算法的计算过程,提高了优化性能.对算法的改进主要有二个方面:一是采用随机搜索,放弃了按角度搜索的方式;二是在生成个体新位置时,增加了一个随迭代次数递减的控制变量-分量变异概率,用于限制允许变异的维的数量.通过对经典桁架算例的优化以及与标准GSO算法的计算结果比较,可以看出改进后的群搜索优化算法(SGSO)具有更好的收敛速度和收敛精度,SGSO算法的结构比GSO算法更简单、易于实现并且计算用时更少.     

桁架形状优化的自适应协方差矩阵进化策略方法

自适应协方差矩阵进化策略(CMA-ES)是在进化策略算法(ES)基础上发展起来的一种新的全局优化算法,对于处理复杂非线性多峰值优化问题具有很好的适用性.结合有限元方法,提出一种桁架形状优化的自适应协方差矩阵进化策略方法.采用空间25杆桁架和平面37杆桥形桁架两个桁架形状优化的经典算例对方法的可行性和先进性进行验证,其中,空间25杆桁架分为不考虑局部稳定约束和考虑局部稳定约束两种情况进行计算.研究结果表明,该方法是可行的,与基于遗传算法、粒子群优化算法等现代全局优化算法的桁架形状优化方法相比较,具有寻优效率高、收敛速度快、全局优化能力强的优点,在获得相同精度最优解的条件下,调用有限元分析的次数明显较少,从而有效地减少了计算耗时.     

改进遗传算法在离散变量结构优化设计中的应用

针对遗传算法的缺陷,提出了一种改进的遗传算法。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,建立了离散变量结构优化模型。算例结果表明,改进的遗传算法收敛快、精度高,应用于离散变量结构优化设计是有效的。