淺談基于遺傳算法的桁架結(jié)構(gòu)離散變量優(yōu)化設(shè)計的研究與應(yīng)用

《淺談基于遺傳算法的桁架結(jié)構(gòu)離散變量優(yōu)化設(shè)計的研究與應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、}分類號UDCl密級l學(xué)號04210467澎夠≥室歹嵌彳碩士學(xué)位論文基于遺傳算法的桁架結(jié)構(gòu)離散變量±塹絲設(shè)計的研究與應(yīng)用劉偉學(xué)科名稱：綾抱三猩學(xué)科門類：三堂指導(dǎo)教師：塞型塾絲摘要論文題日：基于遺傳算法的桁架結(jié)構(gòu)離散變量優(yōu)化設(shè)計的研究與應(yīng)用學(xué)科專業(yè)：結(jié)構(gòu)工程研究生：劉偉指導(dǎo)教師：宋俐教授簽名：鲴魚厶簽名：如幽優(yōu)化設(shè)計方法是將優(yōu)化原理和計算機技術(shù)應(yīng)用于工程設(shè)計，在設(shè)計領(lǐng)域得到了廣泛應(yīng)用的～種重要的科學(xué)設(shè)計方法。隨著工程優(yōu)化問題的曰趨大型化、復(fù)雜化，許多工程大系統(tǒng)結(jié)構(gòu)優(yōu)化問題都具有很高的非線形和非連續(xù)性，采用傳統(tǒng)的優(yōu)化設(shè)計方法，在一般情況下很難找

2、到全局最優(yōu)解。遺傳算法是一種現(xiàn)代的優(yōu)化算法，它在解決各種非線性優(yōu)化問題中表現(xiàn)出的自適應(yīng)性、全局最優(yōu)性及隱含并行性使其在工程設(shè)計中具有廣泛的應(yīng)用前景。本文在學(xué)習(xí)理解和掌握遺傳算法原理的基礎(chǔ)上，針對標準遺傳算法在應(yīng)用中存在的問題及桁架結(jié)構(gòu)的特點對其進行了改進，并用改進遺傳算法對具有應(yīng)力，穩(wěn)定性，及位移約束的混合變量桁架結(jié)構(gòu)進行形狀優(yōu)化設(shè)計。為了充分發(fā)揮遺傳算法全局搜索能力強的優(yōu)點，解決它易“早熟”等問題，本文將改進遺傳算法與力學(xué)準則法相結(jié)合，采用擬滿應(yīng)力遺傳算法對多工況桁架結(jié)構(gòu)進行形狀優(yōu)化設(shè)計。為提高遺傳算法的搜索效率和收斂速度，同時抑制“早熟

3、”現(xiàn)象的發(fā)生，基于遺傳算法的并行特性，本文又相繼提出偽并行遺傳算法和擬分層遺傳算法，并在微機上模擬實現(xiàn)。文中采用自編程序，分別通過多個算例用改進遺傳算法和上述各種混合遺傳算法對混合變量桁架結(jié)構(gòu)進行了形狀優(yōu)化設(shè)計，并對優(yōu)化結(jié)果進行了比較分析。本文還對桁架結(jié)構(gòu)的多目標優(yōu)化設(shè)計進行了部分研究，利用改進遺傳算法求解出桁架結(jié)構(gòu)多目標優(yōu)化問題的有效解集，并用模糊數(shù)學(xué)的相似優(yōu)先比方法從有效解集中選擇出最有效解及排出它們的優(yōu)先順序，解決了多目標優(yōu)化問題的解受人為因素影響的困擾，也為工程中解決多目標優(yōu)化設(shè)計方法問題提出了一個行之有效的方法。文中系統(tǒng)地介紹了用

4、各種優(yōu)化算法進行桁架結(jié)構(gòu)形狀優(yōu)化設(shè)計的詳細過程。本文所做的一系列研究工作有較高的理論價值，并對解決實際工程問題有一定的參考和指導(dǎo)意義。關(guān)鍵詞：桁架結(jié)構(gòu)形狀優(yōu)化；擬滿應(yīng)力遺傳算法；偽并行遺傳算法；擬分層遺傳算法相似優(yōu)先比；多目標優(yōu)化西安理工大學(xué)碩士學(xué)位論文TRle：RESEARCHINGoNSHAPEoPTIMIZATIONOFTHETRUSSWITHDlSCRETE、，ARJABLESBASEDONTHEIMPROVEDGENETICALGORITHMMajor"Sb'uctureEngineeringName：WeiLIUSupervis

5、or：Prof．LiSONGs；gna佃陀：左絲!竺Signature：b!Optimizationofdesignisoneofadvanceddesignmethodsatpresentday,whichCalldeterminethebestschemesforengineeringdesignbycombiningoptimizationtheorywithcomputertechnique．Nowitisdifficulttofindglobaloptimumresultbyusingtypicaloptimizationmeth

6、odstosolvelarge—scaleandcomplicatednonlinearanddiscontinuousoptimizationproblemsinpractices．GeneticAlgorithm(GA)，afleshoptimizationalgorithm，Canundertakethisresponsibility．Globaloptimizationandconnotativeparallelsearchingisoneofitsmostimportantcharacteristics．Inthepaper,so

7、memodificationsontypicalGAwereproposedbasedonthelateresearchofGAandpropertiesoftrussandanimpmvedGAwasusedtosolveshapeoptimizationofthetrusswithcontinuousanddiscretevariables．SomehybridgeneticalgorithmsrsuchasImitativeFull—stressDesignandimprovedGA，PseudoParallelandimproved

8、GAandImitativeHierarchicandimprovedGA，wereputforwardtoimprovesearchingefficiencyandavoidp