改进蚁群算法及其在结构系统可靠性优化中的应用

《改进蚁群算法及其在结构系统可靠性优化中的应用》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、西南交通大学博士学位论文改进蚁群算法及其在结构系统可靠性优化中的应用姓名：程世娟申请学位级别：博士专业：固体力学指导教师：陈虬20090401第1I页西南交通大学博士研究生学位论文全局更新方式。实例测试结果表明，改进的蚁群算法在解决TSP问题上收敛速度快，并且比文献中的对比结果具有更小的相对误差。(2)将改进蚁群算法应用到串并系统可靠性冗余优化中，结合工程实际，文中既考虑到冗余部件的个数又考虑到冗余部件的类型，采用分级网络和并行搜索机制，解决了系统的元件可选择不同类型的串并联系统可靠性优化问题。(

2、3)通过分级网络、向量编码将复杂系统可靠性优化问题转化为蚂蚁可识别的点线结构，采用并行搜索机制改进将蚁群算法应用到复杂系统可靠性优化问题中。将信息素集中于各级节点作为节点对蚂蚁的吸引强度，由节点的吸引强度指导蚂蚁在解空间上高效启发式搜索。计算结果表明，蚁群算法能快速搜索到问题的最优解，计算结果比所列举的算法都好。(4)以“从输入节点到该节点至少有一条路通的概率"为网络节点的可靠度约束，采用二进制编码将工程网络结构的拓扑优化问题转化为0—1规划问题，提出了工程网络结构可靠性拓扑优化的蚁群算法。采用递

3、归法对所提出的方法作进一步的近似估计，给出在满足一定的可靠度区间约束条件下网络造价的一个估计，既减少了计算复杂度使算法有利于编程，又提高了算法效率。结果表明递归近似处理的计算复杂度低，效率高，精度高，方案合理，可以处理大型的复杂网络，比其他算法更有效。最后，对全文的工作进行总结，并展望了蚁群算法进一步还要研究的课题。关键词：群体智能；改进蚁群算法；结构系统；路径优化问题；复杂系统；可靠性优化；工程结构；拓扑优化AbstractInspiredbytheintelligentbehaviorsoft

4、hebiologicalgroups·theresearchersputforwardtherealizationofanewmodelofArtificialIntelligence．．SwarmIntelligence．ThecoreoftheSwarmIntelligenceismanysimplegroupsofindividualsthroughmutualcooperationtoachieveasimple如nction．orcompleteatask．Theprincipalpar

5、tinSwarmIntelligencecanshowautonomy,reactionlearningandself-adaptivecharacteristicsintheenvironment．ThestudyofSwarmIntelligencebeganwiththeAntColonyAlgorithm．AsatypicalformofSwarmIntelligence，AntColonyAlgorithmisbasedonantforaginggroupsintheprocessofm

6、ovingalongtheshortestpathtothedevelopmentofthebiologicalbehaviorofagroupofintelligentoptimizationmethods．AntColonyAlgorithmwasintroducedbyDorigoM．andhiscolleagues．Asanovelnature—inspiredmetaheunstiebasedonthephenomenonofrealantsforagingbehaviorintheea

7、rly1990’s．ManyscholarsareattractedtostudyACAandinthepasttenyearsthealgrithmhasbeenwidelyappliedtothefisldsofcombinationaloptimization，networkrouting，founctionaloptimization，datamining，andpathplanningofrobotetc，andgoodeffectsofapplicationaregained．Now，

8、ACAhasbecomeanindependbranchofintelligentcomputationandhasbeendiscussedasaspecialsessioninmanyintenationalconferenees．Inthispaper,animprovedAntColonyAlgorithm·_··twostagesandavarietyofsub．groupantcolonyalgorithmwasputforward．Themainachievement