基于量子粒子群算法的大跨屋盖结构抗风优化

《基于量子粒子群算法的大跨屋盖结构抗风优化》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于量子粒子群算法的大跨屋盖结构抗风优化钟亮，傅继阳，黄友钦，徐安（广州大学—淡江大学工程结构灾害与控制联合研究中心，广东广州510006）摘要:将量子粒子群算法（QPSO,Quantum-behavedParticleSwarmOptimization）引入大跨屋盖结构的离散变量抗风优化中。针对罚函数基本模型的缺点，提出了一种适应值函数修正模型。该模型通过引入约束违反协调系数，充分考虑了不同性质约束的惩罚力度之间的差异性。此外，必要的粒子越界处理和离散变量处理保证了粒子的可行性。最后以门式刚架为例进行抗风优化设计，并通过内力校核验证优化

2、结果的可靠性。研究表明，QPSO算法用于大跨屋盖结构抗风优化时具有较强的全局寻优能力，收敛结果稳定，通过优化明显降低了总体用钢量，最优截面尺寸与风荷载下内力特征一致，优化效果可靠。关键词：量子粒子群算法；大跨屋盖结构；抗风优化；离散变量；约束违反协调系数；越界处理中图分类号：TU392.5文献标识码：AWindResistantOptimizationofLongSpanRoofsbyQuantum-behavedParticleSwarmOptimizationZHONGLiang,FUJiyang,HUANGYouqing,XUAn(

3、GuangzhouUniversity–TamkangUniversityJointResearchCenterforEngineeringStructureDisasterPreventionandControl,GuangzhouUniversity,Guangzhou510006,China)Abstract:ThealgorithmofQPSO(Quantum-behavedParticleSwarmOptimization)isintroducedinthewindresistantoptimizationoflongspanr

4、oofstructureswithdiscretevariables.Basedonthecharacteristicofbasicfitnessfunction,animprovedfitnessfunctionisproposedbydefiningcoordinatefactor(CF)forconstraintviolationtoconsiderthediversityofpenaltystrengthamongdifferentconstraints.Moreover,over-flowdealinganddiscreteva

5、riableshandlingareinevitabletoguaranteethefeasibilityofparticles.Finally,thewindresistantoptimizationofaportalframestructureisconducted,andthereliabilityofoptimumresultsischeckedbythecorrespondencebetweensectiondimensionsandinnerforces.ThestudyshowsthatthealgorithmofQPSOh

6、asastrongabilityofglobaloptimizationwithsteadyconvergenceinthewindresistantoptimizationoflongspanroofs.Thetotalweightofroofisobviouslydecreasedafteroptimization.Optimumsectionsareconsistenttothebendingmoments,sotheoptimizationresultsarereliable.Keywords:QPSO(Quantum-behav

7、edParticleSwarmOptimization);longspanroofstructures;windresistantoptimization;coordinatefactorforconstraintviolation;over-flowdealing对于门式刚架等大跨屋盖结构而言，风荷载往往是主要控制荷载。对此类结构进行抗风优化设计可减少结构的材料用量，改善结构的受力性能。然而，以往结构抗风优化研究大多针对高层建筑结构，而对风荷载更为复杂的大跨屋盖结构则研究较少。同时，目前用于风工程领域的优化算法并不多，主要有OC法[1-

8、4]、GA法[5]、OC-GA法[6]以及内点法[7]等。研究表明[8-9]，将约束处理方法融入到智能算法中，能够方便地求解约束优化问题。量子粒子群算法[10]是一种基于量子力学和微粒轨迹分析