離散變量結(jié)構(gòu)優(yōu)化設計中遺傳算法的研究和應用.pdf_第1頁
已閱讀1頁,還剩214頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、結(jié)構(gòu)優(yōu)化設計按設計變量的類型可分為連續(xù)變量結(jié)構(gòu)優(yōu)化和離散變量結(jié)構(gòu)優(yōu)化。近30年來,結(jié)構(gòu)優(yōu)化設計的理論和方法得到了迅速的發(fā)展,但大多數(shù)的研究是針對連續(xù)變量的,離散變量的研究相對落后,這是由于離散變量結(jié)構(gòu)優(yōu)化相對于連續(xù)變量優(yōu)化具有更大的難度。而在實際工程結(jié)構(gòu)設計中,經(jīng)常遇到某些設計變量只能取限定的離散值的情況,因此研究離散變量結(jié)構(gòu)優(yōu)化設計有重要的實際意義。 基于生物進化理論的遺傳算法是近年來發(fā)展起來的一種新的優(yōu)化技術(shù),由于其廣泛的適

2、應性被應用到眾多領(lǐng)域,結(jié)構(gòu)優(yōu)化設計是其應用的一個重要方面。但由于標準遺傳算法在結(jié)構(gòu)優(yōu)化設計中存在計算量大、收斂進程慢以及容易陷入局部最優(yōu)解等問題,本文首先在研究分析標準遺傳算法的基本理論的基礎上,針對離散變量結(jié)構(gòu)優(yōu)化設計的特點及要求,對標準遺傳算法提出若干改進措施和混合策略,形成了較為有效的優(yōu)化方法,然后將所提出的算法和理論應用于各種層次的離散變量結(jié)構(gòu)優(yōu)化設計中。 本文的主要工作有如下幾個部分: 第一章首先概述了結(jié)構(gòu)優(yōu)化

3、設計的發(fā)展現(xiàn)狀,其中著重介紹了離散變量結(jié)構(gòu)優(yōu)化設計的特點、難點以及發(fā)展概況,然后論述了遺傳算法的發(fā)展歷史及其在結(jié)構(gòu)優(yōu)化設計中的應用情況。最后概述了本文的主要研究工作。 第二章詳細地闡述了標準遺傳算法的基本思想、運算過程以及基本理論,并對標準遺傳算法存在的缺點及其產(chǎn)生原因進行了細致的分析。在此基礎上,提出一種改進遺傳算法。主要改進措施:(1)對群體中的不可行個體和約束條件過度滿足的個體進行改造;(2)設置最優(yōu)個體庫;(3)自適應交

4、叉;(4)最差個體大變異;(5)局部徘徊策略。 第三章選擇與標準遺傳算法互補性和兼容性較好的兩種傳統(tǒng)優(yōu)化方法與遺傳算法相結(jié)合,提出了兩種混合遺傳算法—擬滿應力遺傳算法和復合形遺傳算法。擬滿應力遺傳算法通過在遺傳算法中嵌入擬滿應力算子,增強了局部尋優(yōu)能力。它克服了擬滿應力法解決問題的局限性,又比標準遺傳算法更加快速有效。復合形遺傳算法將離散復合形法引入到遺傳算法中,一方面利用遺傳算法為離散復合形法提供可行點,另一方面利用離散復合形

5、法對遺傳算法種群中的可行個體和不可行個體進行改進。它將兩種算法的優(yōu)點集中在一起,同時又彌補了兩者的不足。-Ⅱ-因而無論是在搜索效率還是在解的品質(zhì)上,它都比單一的算法更加優(yōu)越。 第四章將提出的改進遺傳算法、擬滿應力遺傳算法和復合形遺傳算法應用于離散變量結(jié)構(gòu)截面優(yōu)化設計問題,包括靜力荷載作用下的結(jié)構(gòu)優(yōu)化問題和動力特性優(yōu)化問題。為減少結(jié)構(gòu)分析的工作量,將滿足靜態(tài)約束的個體和不滿足靜態(tài)約束的個體設立了不同的適應度函數(shù)。采用大量經(jīng)典的算例

6、并與傳統(tǒng)優(yōu)化方法的優(yōu)化結(jié)果進行比較,表明本文提出的三種算法取得了比較滿意的結(jié)果,同時優(yōu)化結(jié)果也顯示了改進遺傳算法比標準遺傳算法優(yōu)越,混合遺傳算法比單一的算法優(yōu)越。 第五章將本文提出的三種算法應用于離散變量結(jié)構(gòu)形狀優(yōu)化設計問題。本文將形狀設計變量和截面設計變量統(tǒng)一編碼表示在同一染色體中,既解決了兩類變量間耦合上的困難,又避免了將兩類變量分開考慮只能求得局部最優(yōu)解的問題。對混合離散變量問題,對形狀變量提出了二級搜索策略,即首先在整個

7、搜索區(qū)間進行粗粒度搜索,進化后期再將搜索范圍縮小至最優(yōu)解附近,重新編碼進行局部細致搜索,從而解決了求解的精度和求解效率間的矛盾。算例的結(jié)果表明本文提出的算法和優(yōu)化策略是可行的,與已有的文獻相比,優(yōu)化結(jié)果令人滿意。 第六章用遺傳算法求解了離散變量結(jié)構(gòu)拓撲優(yōu)化設計問題。為降低求解的難度,采用了分級優(yōu)化方法,即先產(chǎn)生結(jié)構(gòu)可能的拓撲形式,然后再在既定的拓撲結(jié)構(gòu)形式下進行截面級優(yōu)化。為節(jié)省隨機產(chǎn)生結(jié)構(gòu)拓撲形式所花費的大量時間,對桁架結(jié)構(gòu)和

8、剛架結(jié)構(gòu)分別提出了一種啟發(fā)式準則,可以快速找到可行的拓撲結(jié)構(gòu)形式。另外,通過對桁架結(jié)構(gòu)和剛架結(jié)構(gòu)剛度矩陣進行分析,對兩種類型的結(jié)構(gòu)提出了不同的拓撲優(yōu)化模型,避免了奇異最優(yōu)解現(xiàn)象的產(chǎn)生,并保證了優(yōu)化結(jié)果的準確性。 第六章還提出了一種用于離散變量結(jié)構(gòu)拓撲優(yōu)化問題的雜交算法。該方法充分發(fā)揮遺傳算法和擬滿應力算法各自的特長,用遺傳算法進行結(jié)構(gòu)拓撲級優(yōu)化,用擬滿應力法進行結(jié)構(gòu)截面級優(yōu)化,并將截面優(yōu)化的結(jié)果傳遞給遺傳算法作為拓撲優(yōu)化中遺傳操

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論