离散变量结构优化设计的复合形遗传算法.pdf

离散变量结构优化设计的复合形遗传算法.pdf

ID:58211814

大小:302.99 KB

页数:5页

时间:2020-04-27

离散变量结构优化设计的复合形遗传算法.pdf_第1页
离散变量结构优化设计的复合形遗传算法.pdf_第2页
离散变量结构优化设计的复合形遗传算法.pdf_第3页
离散变量结构优化设计的复合形遗传算法.pdf_第4页
离散变量结构优化设计的复合形遗传算法.pdf_第5页
资源描述:

《离散变量结构优化设计的复合形遗传算法.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第25卷第7期东北大学学报(自然科学版)Vol.25,No.72004年7月JournalofNortheasternuniversity(Naturalscience)Jul.2004一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一一文章编号:1005-3026(2004)07-0689-03离散变量结构优化设计的复合形遗传算法朱朝艳1,刘斌1,郭鹏飞2(1.东北大学资源与土木工程学院,辽宁沈阳110004;2.辽宁工学院土木建筑系,辽宁锦州121001)摘要:对离散复合形法

2、提出了一种新的初始点产生办法,并基于满应力思想,对离散复合形法的优化结果进行进一步搜索,提高了离散复合形法的局部寻优能力·为了弥补遗传算法自身的不足,把改进的复合形算法作为复合形算子嵌入到遗传算法中,以提高遗传算法的局部寻优能力;同时对遗传操作过程做了改进,如在进化初期采用大的交叉率,以尽快筛选出最优个体;对最差个体采用大的变异率,使其向最优解逼近,从而建立了一种离散变量结构优化设计的混合遗传算法·算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法,是可行和有效的·关键词:离散变量;结构优化;离散复合形法;满应力;遗传算法;混合遗传算法中图分

3、类号:Tu311.4文献标识码:A结构优化设计在过去30年内,在理论、算法n和应用方面都取得了很大进展[1!3],特别是遗传minW=Z!iAiZLj,(1)i=1j6Gi算法,由于其广泛的适用性和解决问题的有效性"["]j0(i=1,2,⋯,n),(2)s.t.gi=1"ii在结构优化设计领域展示了它非凡的魅力[4!6]·但它也存在一些缺点,如搜索时间过长、易发生早gjl=1jl[jl]j0(j=1,2,⋯,m;l=1,⋯,ND),(3)熟收敛、局部寻优能力差等·为了弥补遗传算法自身的不足,一个有效的途径就是采用混合策略,即Ai6"(i=1,2,

4、⋯,n)·(4)把遗传算法与传统的优化算法有效地结合起来,其中,!=[A,A,⋯,A]T为截面设计变量;n12n设计一个混合算法,在性能上超过遗传算法和传为变量连接后杆件的组数;#i为第i组杆件所构统的优化算法·近年来,这方面的成果相继出成的集合;Lj为第j号杆件的长度;Ai,!i分别为现[7!10]第i组杆件的截面积及体积质量;W为结构的质·离散复合形法[1]是离散变量结构优化设计量;g"为应力约束;g为位移约束;["]和"分别ijlii的一种传统优化方法,它沿着目标函数下降的方为第i组杆件的应力许用值和各种工况下的最不向搜索,一般情况下,它迭代

5、次数少,容易收敛,具利应力值;[jl]和jl分别为特定节点j给定方向有较强的局部寻优能力·本文首先对传统的离散l上的位移允许值和各种工况下的最不利位移复合形法作了一些改进,然后把它嵌入到遗传算值;m为节点总数,ND为节点位移约束维数;"法中从而构成一种混合遗传算法复合形遗传={S1,S2,⋯,Snl}为截面离散集,且一般规定S1算法来求解离散变量结构优化设计问题·这种混<S2<⋯<Snl,nl为"中离散值个数·合遗传算法具备了把握搜索过程总体能力强,且2离散复合形法的改进有效地克服了局部搜索能力较差的缺点,取得了较为满意的结果·离散复合形法的具体步

6、骤参见文献[1]·初始复合形顶点必须是可行点,而用随机法1离散变量结构优化设计的数学模型产生初始复合形顶点往往需花费太多时间,必须以杆系结构为例,数学模型可表达为:经过长时间搜索才可能产生出构成初始复合形所TP求!=[AT,需数量的顶点,这必然会影响复合形法的搜索效1,A2,⋯,An]收稿日期:2003-10-08基金项目:辽宁省高等学校科研项目(990821107)·作者简介:朱朝艳(1968-),女,辽宁锦州人,东北大学博士研究生;刘斌(1940-),男,辽宁沈阳人,东北大学教授,博士生导师;郭鹏飞(1957-),男,辽宁营口人,辽宁工学院教授

7、·690东北大学学报(自然科学版)第25卷率·为了快速产生规定数量的初始复合形顶点,本形法·用改进的复合形法对其进行一次优化,将优文采取下列方法:随机产生一个初始复合形顶点·化产生的优秀个体重新编码再放入群体中,并用如果该点第i个设计变量不满足对应的应力约束它取代群体中的最差个体·条件且设计变量取值序号不等于nl,说明该截面(2)交叉:为了尽快地筛选出最优个体,在进尺寸太小,可令其设计变量取值序号加1,取下一化初期可选择较大的交叉概率,这样就会有更多个序号所对应的变量值·进行结构分析,检查是否的新个体产生,然后这些个体之间共同竞争,将优满足所有的约

8、束条件·若不满足约束条件,重复上良的个体遗传给下一代·述步骤,直到满足约束条件为止;若满足约束条(3)变异:考虑到在进化过

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。