遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.     

离散变量结构优化的斐波那契遗传算法

提出了一种求解离散变量结构优化设计问题的斐波那契直接搜索方法;通过在遗传算法中定义斐波那契算子,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斐波那契遗传算法。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,这种混合遗传算法对于离散变量结构优化问题的求解具有较快的收敛速度,且能以很大的概率求得全局最优解。     

工程结构优化设计的改进混合遗传算法

根据工程实际以及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的未成熟收敛、振荡、随机性太大和迭代过程缓慢等问题,采用一种新的遗传算子即单亲遗传算子对遗传算法进行了改进,并提出了离散变量结构优化设计的三等分割算法与遗传算法相结合的混合遗传算法。优化设计结果表明:改进混合遗传算法的收敛特性得到了很好的改善,既具有三等分割算法省时、高效、局部搜索能力强的特点,又具有遗传算法全局性好的特点,是高效、理想的工程结构优化设计方法。     

建筑结构优化设计的改进进退遗传算法

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、局部搜索能力差和迭代过程缓慢等缺点.提出一种离散变量结构优化设计的进退搜索算法与遗传算法结合在一起解决问题;并提出一种新的遗传算子———转基因算子,用于对遗传算法的改进.结果表明,这种改进退遗传算法即发挥了进退搜索算法省时、高效、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;采用的改进措施效果明显,其收敛特性得到很好的改善.该算法是高效的理想工程结构优化设计方法.     

离散变量结构优化的组合形遗传算法

针对遗传算法在迭代过程中经常出现早熟收敛、振荡、随机性太大和收敛速度缓慢等缺点,使用格雷码编码,对遗传算法运用海明距离控制种群的个体差异;并把组合形算法作为组合形算子嵌入到遗传算法中,从而建立了一种离散变量结构优化设计的混合遗传算法。算例结果表明这种混合遗传算法优于基本遗传算法和斐波那契遗传算法,既发挥了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,是可行且有效的离散变量结构优化设计方法。     

离散变量结构形状优化设计的拟满应力遗传算法

为了弥补遗传算法局部寻优能力差的缺点,将拟满应力算法嵌入到遗传算法中构成一种结合二者优点的混合遗传算法,并将该算法应用于离散变量结构形状优化设计问题.将形状设计变量和截面设计变量统一考虑,编码表示在同一染色体中.既解决了两类变量间耦合上的困难,同时也避免了将两类变量分开考虑只能求得局部最优解的问题.算例的结果表明,该方法用于离散变量结构形状优化是有效的.     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时,在实际的应用中,基本的遗传算法存在着收敛速度慢和稳定性差等缺陷.为克服这些问题,采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略,提高了遗传算法的效率和可靠性.算例表明改进的遗传算法对离散变量结构优化是有效、可行的.     

离散变量结构优化设计的混合遗传算法

以力学准则法为基础，提出了一种求解离散变量结构优化设计的拟满应力方法；这种方法能直接求解具有应力约束和几何约束的离散变量结构优化设计问题。通过在遗传算法中定义拟满应力算子，建立了一种离散变量结构优化设计的混合遗传算法－拟满应力遗传算法，算例表明这种混合遗传算法适用性广，具计算效率高。     

改进遗传算法在桁架拓扑优化中的应用

基于桁架拓扑优化,对遗传算法提出了一些改进措施,形成了一种高效综合的遗传算法。在桁架的截面尺寸和拓扑结构混合设计中,对尺寸变量和拓扑变量分别进行二进制编码、交叉和变异,得到桁架拓扑结构和杆件截面尺寸的初解,适当降低尺寸变量编码精度,以加快算法的收敛速度。然后对截面尺寸重新编码,以较高的尺寸精度进行搜索,为了防止陷入局部最优解,取部分初解加入新的父代。算例表明,该算法对离散变量的桁架拓扑优化是快速有效的。     

离散变量刚架结构拓扑优化设计的一种新方法

以刚架结构为研究对象，提出一种遗传算法和拟满应力算法相结合的杂交算法，来解决离散变量结构拓扑优化设计问题。利用遗传算法进行刚架结构拓扑优化，用拟满应力算法进行截面优化，可充分发挥两种算法各自的优势，从而加快搜索进程。拓扑优化过程中，在对刚架结构受力分析的基础上，设计了一些启发式技术，使得遗传算法的初始种群中含有足够数量的可行个体，同时对遗传操作过程做了一些改进，从而有效地提高了遗传算法求解的效率和质量。     

应用混合遗传算法的建筑结构优化设计

提出一种离散变量结构优化设计的单向搜索算法并与标准遗传算法结合成混合遗传算法,即发挥了单向搜索算法省时、高效、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。算例结果表明,该方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。这种混合遗传算法优于标准遗传算法和单向搜索算法,是兼二者之长,弃二者之短的高效的理想优化设计方法。     

基于ANSYS二次开发技术的改进遗传算法在结构优化设计中的应用

为克服基本遗传算法的缺陷,提高其全局搜索能力,提出了基于并行小生境算法、可疑峰值点判断方法和局部搜索技术的改进遗传算法。通过引入VC＋＋对ANSYS的二次开发技术,将改进遗传算法与结构计算和优化相结合,使程序具有较强的处理实际问题的能力。最后通过对平板模型支撑位置优化算例的分析,验证了改进算法的可靠性和实用性。该方法对其它复杂工程结构的优化设计同样适用。     

工程结构优化设计的混合遗传算法

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，建立了工程结构优化设计模型。为了改善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，提出一种离散变量结构优化设计的三等分割算法，并与标准遗传算法结合成混合遗传算法。对25杆框架结构优化设计，结果表明，这种混合遗传算法的收敛特性得到很好的改善，即发挥了三等分割算法省时、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，是有效的工程结构优化设计方法。     

约束优化问题的实数制免疫-禁忌混合算法

针对免疫算法局部搜索能力较弱的缺点,提出了实数制编码的免疫-禁忌混合算法,在免疫操作后引入禁忌搜索算法来提高混合算法的爬山能力,从而提高求解精度和搜索速度,适合于约束优化问题的求解.在阐述混合算法计算原理的基础上,提出实数制编码方式、惩罚函数法和适应度函数构造方法.通过测试算例进行验算,计算结果表明,实数制编码的免疫-禁忌混合算法收敛速度快,计算精度高,特别适合计算复杂、时效性强的优化问题.     

一种改进的混合蛙跳算法求解有约束优化问题

提出一种适用于求解有约束优化问题的改进混合蛙跳算法(improved shuffled frog leaping algorithm, Im-SFLA)。该算法针对混合蛙跳算法(shuffled frog leaping algorithm, SFLA)在进化后期搜索速度变慢且容易陷入局部极值的缺陷,将模拟退火和免疫接种思想引入到具有高斯变异和混沌扰动的SFLA中。标准测试函数仿真结果表明Im-SFLA能显著提高收敛速度和精度,并能有效克服局部极值,全局寻优能力明显优于SFLA。使用静态罚函数法将有约束优化转化为无约束优化,对12个有约束优化测试函数的实验结果表明Im-SFLA寻优精度高、鲁棒性强,是一种十分有效的求解有约束优化问题的算法。     

复合形遗传算法在离散变量桁架结构拓扑优化设计中的应用

为了避免在结构拓扑优化过程中杆件和节点的增删带来的奇异解，设计了一些启发式准则来产生结构可能的拓扑结构形式，再采用混合遗传算法——复合形遗传算法进行截面优化。把复合形法嵌入到遗传算法中，利用复合形法对群体中的可行个体和不可行个体分别进行处理，可提高遗传算法种群的质量，有利于最优解的搜索。该方法既有复合形法快速高效的特点，又有遗传算法全局性好的特点。算例的结果表明，该方法用于桁架结构拓扑优化设计是有效的。     

基于离散量子微粒群优化的作业车间调度

针对强非确定性多项式难的作业车间调度(JSP)问题,提出一种离散量子微粒群优化算法(DQPSO).该算法基于量子态波函数描述微粒群粒子位置,结合遗传算法中的交叉、变异操作,采用随机键编码方法对连续空间内的解进行离散化,使得DQPSO能够直接用于求解车间生产调度这类组合优化问题.另外,针对JSP的复杂性,通过引入2层结构的局部搜索策略,构造在局部优化解附近不同搜索半径的微粒,增强算法的搜索能力,进一步提高解的多样性和寻优质量.应用结果表明,对大部分作业车间调度测试算例,DQPSO表现出更有效的寻优性能.