【摘要】：在建筑結(jié)構(gòu)優(yōu)化設(shè)計(jì)中往往存在設(shè)計(jì)變量離散、部分約束條件難以用設(shè)計(jì)變量顯式表達(dá)、目標(biāo)函數(shù)不可導(dǎo)等問題,傳統(tǒng)的結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法不能很好的解決此類問題。遺傳算法作為一種仿生類智能算法,有著良好的適應(yīng)性,它不依賴于問題的復(fù)雜程度,也不需要將約束條件以自變量顯式表達(dá),因此能夠較好的克服傳統(tǒng)優(yōu)化算法不足。本文在遺傳算法基本理論的基礎(chǔ)上,結(jié)合結(jié)構(gòu)優(yōu)化設(shè)計(jì)的特點(diǎn)對(duì)基本遺傳算法的缺點(diǎn)進(jìn)行改進(jìn),提出了一種改進(jìn)的罰函數(shù)分級(jí)遺傳算法,該方法根據(jù)種群中個(gè)體偏離約束條件限值的程度對(duì)其進(jìn)行適當(dāng)懲罰,能夠較好的處理非可行解空間,使得有潛力的非可行解個(gè)體能夠得到繁衍機(jī)會(huì),從而維系了種群個(gè)體的多樣性;通過對(duì)當(dāng)前種群進(jìn)行分級(jí)、排序操作,保證優(yōu)秀的個(gè)體得到合適的繁衍機(jī)會(huì),使得良好的基因能夠在迭代中不斷進(jìn)化,結(jié)合改進(jìn)的懲罰函數(shù)能夠降低陷入局部最優(yōu)解的概率,增大了全局尋優(yōu)的能力。改進(jìn)后的遺傳算法有效的改善了基本遺傳算法容易局部收斂、收斂結(jié)果不穩(wěn)定等問題。通過三個(gè)經(jīng)典函數(shù)DeJong、Shubert和Griewank,驗(yàn)證了改進(jìn)算法的尋優(yōu)性能。本文將改進(jìn)的遺傳算法應(yīng)用到兩個(gè)經(jīng)典的結(jié)構(gòu)優(yōu)化案例—17桿平面桁架結(jié)構(gòu)和72桿空間桁架結(jié)構(gòu),較其他文獻(xiàn)相比,新方法的優(yōu)化結(jié)果更具優(yōu)勢(shì),表明了本文所改進(jìn)的遺傳算法具有更強(qiáng)優(yōu)化性能,可推廣到其他結(jié)構(gòu)形態(tài)的優(yōu)化設(shè)計(jì)中。已有文獻(xiàn)關(guān)于遺傳算法在結(jié)構(gòu)優(yōu)化中的應(yīng)用大多集中在簡(jiǎn)單的結(jié)構(gòu)形態(tài),這主要是由于每一次遺傳迭代所有個(gè)體均需要進(jìn)行有限元分析,計(jì)算耗時(shí)長(zhǎng),內(nèi)存消耗巨大,對(duì)計(jì)算機(jī)性能和代碼的優(yōu)化有著很高的要求。本文基于MATLAB平臺(tái)和SAP2000有限元軟件的應(yīng)用程序接口(API),創(chuàng)建了并行計(jì)算環(huán)境,有效地解決了智能算法在進(jìn)行復(fù)雜結(jié)構(gòu)優(yōu)化設(shè)計(jì)時(shí)經(jīng)常出現(xiàn)的內(nèi)存溢出和程序崩潰問題。以兩個(gè)復(fù)雜結(jié)構(gòu)—1164桿桅桿結(jié)構(gòu)和5980桿超高層框架結(jié)構(gòu)為案例,進(jìn)行了抗風(fēng)結(jié)構(gòu)優(yōu)化設(shè)計(jì),優(yōu)化結(jié)果顯示,本文改進(jìn)的遺傳算法及相關(guān)技術(shù)在大型復(fù)雜形態(tài)結(jié)構(gòu)上的優(yōu)化設(shè)計(jì)方面亦有較好的應(yīng)用。
【圖文】：

圖 3-7 De Jong 二維函數(shù)圖形Fig 3-7 De Jong two-dimensional function grapheJong 只有一個(gè)極小值點(diǎn) (0,0,…,0)，理論最遺傳算法和基本遺傳算法對(duì)該函數(shù)進(jìn)行優(yōu)法基本參數(shù)0；字符串長(zhǎng)度 20；選擇競(jìng)爭(zhēng)壓力 2；初始；交叉概率：P c 0.8，minPc 0.5，maxPc 1 0.2。基本參數(shù)20；字符串長(zhǎng)度 20；代溝 0.9；初始種群數(shù)概率： Pc 0.8，；變異概率：minPm 0.05：圖 3-8、3-9 分別為改進(jìn)遺傳算法和基本

750 次迭代種群目標(biāo)值分布 1000 次迭代種群目標(biāo)值分布圖 3-8 目標(biāo)值分布圖Fig 3-8 Target value distribution初始種群目標(biāo)值分布 500 次迭代種群目標(biāo)值分布
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TU318

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 任志鳳;胡小建;孫太生;徐飛;李云良;;遺傳算法在焊接領(lǐng)域的優(yōu)化與應(yīng)用[J];現(xiàn)代焊接;2012年03期

2 馮錦春;楊林建;;利用遺傳算法進(jìn)行機(jī)械優(yōu)化[J];四川工程職業(yè)技術(shù)學(xué)院學(xué)報(bào);2007年06期

3 馮雙林;靳繼紅;;現(xiàn)代農(nóng)機(jī)數(shù)字化裝配車間調(diào)度技術(shù)研究——基于云計(jì)算和遺傳算法[J];農(nóng)機(jī)化研究;2018年01期

4 梁肖;周湘貞;;基于遺傳算法的小麥?zhǔn)崭顧C(jī)路徑智能優(yōu)化控制研究[J];農(nóng)機(jī)化研究;2018年02期

5 王勇;孫耀南;;基于遺傳算法的醫(yī)院房間位置優(yōu)化研究[J];電腦與信息技術(shù);2018年01期

6 李超;王杰;史運(yùn)濤;李錦龍;;基于遺傳算法的汽油調(diào)和優(yōu)化系統(tǒng)[J];工業(yè)控制計(jì)算機(jī);2018年10期

7 謝軍;王倩;倪雅靜;胡英飛;包淑賢;;基于遺傳算法進(jìn)行結(jié)構(gòu)優(yōu)化的研究現(xiàn)狀[J];河北建筑工程學(xué)院學(xué)報(bào);2018年03期

8 程天棟;閔永智;馬宏鋒;;基于模糊超熵與遺傳算法的軌面缺陷分割算法[J];蘭州交通大學(xué)學(xué)報(bào);2016年06期

9 陳龍;;基于遺傳算法求解生產(chǎn)調(diào)度問題的探討[J];現(xiàn)代制造技術(shù)與裝備;2016年11期

10 鄧偉;鄺祝芳;余紹軍;曾非凡;;基于遺傳算法的三峽-葛洲壩船閘閘室編排算法[J];人民長(zhǎng)江;2016年24期

相關(guān)會(huì)議論文 前10條

1 謝宏;袁小芳;向啟均;陳yN婧;王立宸;;機(jī)器人慣性參數(shù)的改進(jìn)遺傳算法辨識(shí)方法研究[A];第37屆中國(guó)控制會(huì)議論文集（B）[C];2018年

2 彭軍;徐本柱;劉曉平;;遺傳算法的實(shí)現(xiàn)及其在生產(chǎn)調(diào)度中的應(yīng)用[A];全國(guó)第20屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2009）暨全國(guó)第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2009年

3 韓戰(zhàn)鋼;;遺傳算法及在經(jīng)濟(jì)中的應(yīng)用[A];Optimization Method, Econophysics and Risk Management--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

4 賴梅;熊麗榮;;基于改進(jìn)遺傳算法的乘務(wù)交路優(yōu)化問題研究[A];第二十一屆中國(guó)控制會(huì)議論文集[C];2002年

5 肖龍光;丁曉東;;基于理性變異的遺傳算法[A];第六屆中國(guó)青年運(yùn)籌與管理學(xué)者大會(huì)論文集[C];2004年

6 鞠訓(xùn)光;于洪珍;;求整體優(yōu)化全部解的區(qū)間排除遺傳算法[A];第十七屆全國(guó)過路控制會(huì)議論文集[C];2006年

7 劉興隆;;快速進(jìn)化式遺傳算法[A];“電力大系統(tǒng)災(zāi)變防治和經(jīng)濟(jì)運(yùn)行重大課題”部分專題暨第九屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2003年

8 談斌;唐力鐵;張己化;周海云;;遺傳算法在漫反射系數(shù)計(jì)算中的應(yīng)用研究[A];2007年光電探測(cè)與制導(dǎo)技術(shù)的發(fā)展與應(yīng)用研討會(huì)論文集[C];2007年

9 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計(jì)算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

10 蔡亞星;李偉明;尚飛;任武;薛正輝;高本慶;;雙種群遺傳算法進(jìn)行陣列天線綜合[A];2005'全國(guó)微波毫米波會(huì)議論文集（第三冊(cè)）[C];2006年

相關(guān)重要報(bào)紙文章 前9條

1 上海科學(xué)院規(guī)劃研究處 劉小玲;上海能否成為人工智能城市[N];解放日?qǐng)?bào);2017年

2 記者 常麗君;科學(xué)家首次將遺傳算法用于量子模擬[N];科技日?qǐng)?bào);2016年

3 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國(guó)水利報(bào);2002年

4 記者 李星婷;2014中國(guó)生命電子學(xué)術(shù)年會(huì)在渝召開[N];重慶日?qǐng)?bào);2014年

5 記者 劉霞;美用遺傳算法逆向設(shè)計(jì)新型納米材料[N];科技日?qǐng)?bào);2013年

6 高雪娟;協(xié)同設(shè)計(jì)的平臺(tái)策略[N];中國(guó)計(jì)算機(jī)報(bào);2006年

7 陳巍;浩辰有望在協(xié)同設(shè)計(jì)關(guān)鍵領(lǐng)域取得突破 引領(lǐng)CAD應(yīng)用新潮流[N];大眾科技報(bào);2006年

8 本報(bào)記者 李元麗;堅(jiān)持自主創(chuàng)新 掀起AI+教育的中國(guó)浪潮[N];人民政協(xié)報(bào);2018年

9 高峰;美國(guó)真能毀掉中國(guó)？[N];世界報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 孫秋紅;基于遺傳算法的水質(zhì)數(shù)據(jù)挖掘與應(yīng)用研究[D];燕山大學(xué);2016年

2 金小敏;移動(dòng)云環(huán)境中的計(jì)算遷移系統(tǒng)關(guān)鍵技術(shù)研究[D];北京郵電大學(xué);2018年

3 王小港;遺傳算法在VLSI設(shè)計(jì)自動(dòng)化中的應(yīng)用研究[D];中國(guó)科學(xué)院上海冶金研究所;2001年

4 宋曉峰;優(yōu)生演進(jìn)優(yōu)化和統(tǒng)計(jì)學(xué)習(xí)建模[D];浙江大學(xué);2003年

5 吳大宏;基于遺傳算法與神經(jīng)網(wǎng)絡(luò)的橋梁結(jié)構(gòu)健康監(jiān)測(cè)系統(tǒng)研究[D];西南交通大學(xué);2003年

6 卜雷;城市貨物運(yùn)輸規(guī)劃優(yōu)化方法研究[D];西南交通大學(xué);2004年

7 廖平;基于遺傳算法的形狀誤差計(jì)算研究[D];中南大學(xué);2002年

8 李智勇;模式交流多群體遺傳算法及其在神經(jīng)網(wǎng)絡(luò)進(jìn)化建模中的應(yīng)用[D];湖南大學(xué);2003年

9 陳星;網(wǎng)絡(luò)并行和遺傳算法在HPM生物效應(yīng)評(píng)價(jià)和輻射天線設(shè)計(jì)中的應(yīng)用研究[D];四川大學(xué);2004年

10 金菊良;遺傳算法及其在水問題中的應(yīng)用[D];河海大學(xué);1998年

相關(guān)碩士學(xué)位論文 前10條

1 胡蓉;多種群遺傳算法的DOA和極化參數(shù)估計(jì)與DSP實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2018年

2 酈少將;基于改進(jìn)遺傳算法的HBV水文模型參數(shù)優(yōu)化[D];華北水利水電大學(xué);2018年

3 廖藤藤;模擬驅(qū)動(dòng)石化過程操作優(yōu)化研究方法的幾點(diǎn)改進(jìn)[D];華南理工大學(xué);2018年

4 蒲濤;基于遺傳算法和貝葉斯網(wǎng)絡(luò)綜合的建筑施工安全評(píng)價(jià)研究[D];西安建筑科技大學(xué);2018年

5 趙宇航;基于遺傳算法的城市區(qū)域交通信號(hào)優(yōu)化控制[D];大連交通大學(xué);2016年

6 高家坤;自動(dòng)平行泊車路徑規(guī)劃研究[D];長(zhǎng)沙理工大學(xué);2017年

7 張航;結(jié)構(gòu)抗震優(yōu)化控制技術(shù)研究[D];西安建筑科技大學(xué);2018年

8 金韶華;基于均勻設(shè)計(jì)的多智能體遺傳算法的研究以及游戲中的應(yīng)用[D];天津職業(yè)技術(shù)師范大學(xué);2018年

9 王晨陽;基于改進(jìn)遺傳算法的酒店預(yù)定系統(tǒng)研究[D];大連交通大學(xué);2015年

10 張艾麗;基于遺傳算法的太陽磁亮點(diǎn)識(shí)別和聚類算法的研究[D];昆明理工大學(xué);2018年

，

本文編號(hào)：2631584