多目標(biāo)群搜索算法及其在結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用.pdf

1、結(jié)構(gòu)優(yōu)化一直以來都是結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的研究熱點(diǎn),在傳統(tǒng)優(yōu)化方法不能實(shí)現(xiàn)的情況下,越來越多的智能算法被引入結(jié)構(gòu)優(yōu)化領(lǐng)域,其中主要有遺傳算法和粒子群算法。但是遺傳算法的編碼復(fù)雜,收斂速度慢；粒子群算法要設(shè)置各種參數(shù),需要逐個(gè)檢驗(yàn)約束,對(duì)于復(fù)雜的結(jié)構(gòu)是很耗時(shí)的過程。本文將一種新的智能算法一群搜索算法(Group Search Optimizer,GSO),引入結(jié)構(gòu)優(yōu)化設(shè)計(jì)。GSO編碼容易,收斂速度快,計(jì)算效率高,約束處理容易,對(duì)于高維變量優(yōu)化的

2、問題有明顯優(yōu)勢(shì)。近年來,結(jié)構(gòu)優(yōu)化中,尤其是桁架和框架優(yōu)化中,多偏重于單目標(biāo)優(yōu)化設(shè)計(jì)。但是,隨著工程結(jié)構(gòu)越來越復(fù)雜,越來越多情況下需要同時(shí)優(yōu)化兩個(gè)或者兩個(gè)以上相沖突的目標(biāo)函數(shù),這就是多目標(biāo)優(yōu)化設(shè)計(jì)。傳統(tǒng)的多目標(biāo)優(yōu)化設(shè)計(jì)不能得到真正的Pareto最優(yōu)解集,不能很好地處理凹函數(shù),遇到約束復(fù)雜的工程問題,不能用傳統(tǒng)的方法來求解。
　　 本文將針對(duì)于單目標(biāo)優(yōu)化的GSO改進(jìn)成多目標(biāo)群搜索算法(Multi-objective Group Se

3、arch Optimizer,MGSO),引入了精英集保存在迭代過程中得到的Pareto解,并運(yùn)用擁擠距離計(jì)算機(jī)制處理精英集,從而使得算法能得到分布均勻的Pareto最優(yōu)解集。運(yùn)用MGSO針對(duì)實(shí)際工程結(jié)構(gòu)進(jìn)行多目標(biāo)優(yōu)化設(shè)計(jì),對(duì)桁架的結(jié)構(gòu)總重量、節(jié)點(diǎn)最大位移、基頻及形狀進(jìn)行了靜力與動(dòng)力優(yōu)化,對(duì)框架結(jié)構(gòu)的總重量、最大層間位移及總動(dòng)應(yīng)變能進(jìn)行了優(yōu)化。論文第四章,將結(jié)構(gòu)的總重量和指定節(jié)點(diǎn)的最大位移作為目標(biāo)函數(shù),對(duì)10桿平面桁架結(jié)構(gòu)進(jìn)行了尺寸優(yōu)化