自適應微型遺傳算法在動態(tài)本構參數(shù)反演中的應用.pdf

1、遺傳算法是模擬生物進化理論的仿生學方法中最重要的算法之一,近年來在計算機科學和優(yōu)化反演中受到廣泛關注,它具有很強的普遍適應性和數(shù)值計算穩(wěn)定性。與傳統(tǒng)的優(yōu)化算法相比,在全局優(yōu)化、復雜設計區(qū)域、復雜目標函數(shù)及易用性等方面都顯示出了其優(yōu)越性。然而,遺傳算法畢竟是一門較新的學科,無論是在理論上還是在實現(xiàn)上都有許多不完善的地方。因此,不斷對遺傳算法加以研究和改進,使其更加適用于工程實際需要,以便更好的、更充分的發(fā)揮遺傳算法的性能和特點是非常必要的

2、。
　　 本文主要完成了以下幾個方面的工作:
　　 (1)基于遺傳算法的基本原理和設計理念,針對微型遺傳算法的缺陷和不足,將自適應策略和微型遺傳算法相結合,使其交叉概率和變異概率可以根據(jù)當前種群中個體適應度的大小自適應變化,提高算法的搜索速度和收斂性能。
　　 (2)基于新算法的思想,對三桿和十桿這兩種典型的桁架結構進行了優(yōu)化,并對新算法的優(yōu)化結果與微型遺傳算法、精確解及文獻結果進行了對比分析,算例分析表明該程序

3、用于連續(xù)與離散變量結構優(yōu)化設計是可行的和有效的。新的自適應微型遺傳算法比微型遺傳算法有更好的收斂特性,迭代次數(shù)減少,優(yōu)化設計結果也好于微型遺傳算法。
　　 (3)本文以Johnson-Cook本構模型描述的OFHC材料為例,將自適應微型遺傳算法與有限元分析模型相結合,編制反求程序并實現(xiàn)兩者之間的數(shù)據(jù)交互,達到對JC動態(tài)本構參數(shù)進行反演的目的。算例結果表明,本文中所使用的反求方法的原理是正確的,方案是可行的,符合實際工程的需要,能