基于改进蚁群算法的钢管混凝土构件的优化

《基于改进蚁群算法的钢管混凝土构件的优化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、DOI：10．3969／j．issn．1672-4011．2013．04．018基于改进蚁群算法的钢管混凝土构件的优化闰潇1，刘梦鲤2(1．平顶山平煤设计院有限公司，河南平顶山467000；2．河南五建建设集团有限公司，河南郑州450000)摘要：钢管混凝土结构综合了钢筋混凝土和钢结构的优点。近年来成为我国重要的建筑结构形式之一，在未来也具有广阔的推广前景。本文以纯弯、轴压构件为例，应用改进蚁群算法MATLAB程序建立构件的优化模型。充分利用蚁群算法较强的分步并行和自适应搜索能力，从而跳过了钢管与套箍混凝土之间复杂作用机理的分析。

2、通过对函数的选取和参数的控制，在设计要求范围内对钢管混凝土构件进行了优化。为以后的设计提供了一定的参考。关键词：钢管混凝土；改进蚁群算法；优化；MATLAB中圈分类号：TU528文献标志码：B文章编号：1672—401l(2013)04—0043—030前言钢管混凝土结构是套箍混凝土的一种特殊形式，它是将钢管内填人混凝土而形成的一种组合材料结构。根据截面形式的不同可以分为圆形、方形和多边形三种¨j。结构的基本原理在于利用外包钢管对套箍混凝土提供约束，使其处于三向受压状态，抗压承载力和抗变形能力大大提高，同时由于核心混凝土的存在，延

3、缓了钢管的局部变形和失稳悼j。因此正是由于钢管和套箍混凝土之间的相互作用，形成一个整体共同受力，因而其物理和力学性能均优于同等条件下的钢筋混凝土和钢结构【，】。换句话说，钢管混凝土结构是一种将混凝土和钢材两种材料的优势集中发挥的结构。此类结构在高层和超高层建筑中柱子的应用日渐增多，主要由于具有良好的承载力、塑性、韧性和抗震防火性能，并且还能一定限度的解决高层建筑中的“胖柱”问题，增加建筑物内部的使用空问，减轻了基础负担，降低了地震反应，在满足结构设计要求的前提下，节省材料达到经济性目的。虽然钢管混凝土有上述一系列的优势。但是且前针

4、对此类结构的设计和优化时，由于钢管与套箍混凝土之间的作用机理太复杂，并且计算模型也不统一，设计人员往往采用相对保守的设计，这样就不能充分体现钢管混凝土结构的经济性，也容易造成材料和资源的浪费H1。1基本蚁群算法和MATLAB1．罩MAIZAB简介MATLAB语言通俗易懂、功能强大，具有较好的程序移植性，统一采用矩阵作为数据类型，并且MATIA8的基本数据单元对矩阵的维数不加限制，无需c、FORTRA矾语●言那样预先对变量进行定义，从而编程时可大大节约时间。作者简介：闫蒲(1985一)，男，河南鲁山人，助理工程师，硕士，主要从事工业

5、与民用毫蔑结构设计。他是由CleveMoler博士首创开发的一款集数值分析、矩阵运算、信号处理和图形显示于一体的通用型软件。1．2基本蚁群算法的优化机理蚁群算法是意大利学者M．Dorigo，V．Maniezzo和A．Colomi受到自然界中蚂蚁的觅食过程启发利用计算机仿真实验提出的一种自适应正反馈的模拟进化算法，简称ACA[5J。简言之，蚂蚁会在通过的路径上释放一种特有的化学物质：信息素，他的浓度随着时间动态变化，作用是对后来的蚂蚁选择该路径依概率产生一定的影响，最终目的就是指导信息素影响范围内的蚂蚁通过最短的路径而获取食物。算法

6、的核心是与信息寨浓度相关动态参数的设定和控制。基本蚁群算法的优化机理以TSP问题解释如下：假设存在n个城市的集合C={C。，c2，⋯⋯，q}，两个城市i和』之间的距离为如，设存在tO,只蚂蚁，t时刻蚂蚁留在城市i的数耳为k(I)。m=∑bt(￡)。t时刻路径(￡√)上残留的信息素量用r。(t)表示，位于城市i的蚂蚁k根据路径上呈现动态变化的r#(￡)，依概率P：(f)选择路径i1，其中jeaUowd,：：』尝篇等州一{c—tabuk}p-：(O㈩={薹。[L(r)№。(t)]4一⋯一。(1)【一‘o砒眦tabu。(k：1，2，⋯，

7、m)为禁忌表，表示蚂蚁k当前所经过的城市，洲b埘五为蚂蚁k当前允许选择的城市。口和卢分别表示信息素和期望值的权重，仉=÷定义为k蚂蚁由城市f—吁的期望值。当m只蚂蚁完成一次循环后，各路径上的信息素依下列式子更新：丁i(t+玮)=(1一p)ri+厶下i(t)(2)△rl(t)=Z△r；(t)(3)△r：：』芒若蚂蚁k经过路径(i，j)(4)L0否则式中，Q为常数，表示蚂蚁在本次循环中所释放信息素的总和，厶表示第．

8、}只蚂蚁在本次循环中所走过的路程，△r：表示第J}只蚂蚁在经过本循环的路径(iJ)上所遗留的信息素，Ari(t)表示路径

9、(iJ)上增加的信息索量，P为信息素挥发系数且P∈[0，1]。2改进后的蚁群算法幺1蚁群算法的改进蚁群算法在运用过程中，完成一次循环后，必定会产生一些可行解和劣质解，并且会出现算法收敛慢和容易陷于局部最优的现象，这对我们在合理的迭代次数下获得问题的