發(fā)布時(shí)間：2021-11-11 21:52

　　針對鯨魚算法（WOA）在面對桁架結(jié)構(gòu)優(yōu)化問題上容易陷入局部最優(yōu)和收斂精度低的缺點(diǎn),在原始鯨魚算法的基礎(chǔ)上,引入信息熵,提出了信息熵的改進(jìn)鯨魚優(yōu)化算法。信息熵本身是一種不確定的度量,利用信息熵在路徑選擇時(shí)調(diào)控鯨魚搜索的范圍,克服基本鯨魚優(yōu)化算法的不足,使算法的全局收斂速度得到提高。選取了2個(gè)經(jīng)典的桁架結(jié)構(gòu)優(yōu)化問題進(jìn)行求解并與其他算法對比,結(jié)果表明:基于信息熵改進(jìn)的鯨魚算法在桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)中優(yōu)于其他算法,運(yùn)行更少的迭代次數(shù)達(dá)到目標(biāo)函數(shù)。 

【文章來源】：粉煤灰綜合利用. 2020,34(01)

【文章頁數(shù)】：7 頁

【部分圖文】：

改進(jìn)鯨魚算法流程圖

15桿），優(yōu)化使15桿桁架質(zhì)量最校設(shè)計(jì)15處拉力約束，位移約束為16，15個(gè)壓力約束，設(shè)計(jì)如圖2所示，參數(shù)設(shè)計(jì)如下：應(yīng)力約束［115.37，120］，材料密度=7800kg/m3，彈性模量E=200GPa，桁架橫截面積設(shè)計(jì)變量選擇區(qū)域?yàn)椋海?13.2，143.2，145.9，174.9，185.9，235.9，265.9，297.1，308.6，334.3，338.2，497.8，507.6，736.7，791.2，1063.7］（mm2），桁架結(jié)構(gòu)的荷載工況見表1所示。表115桿平面桁架荷載設(shè)計(jì)Table1Loadcasesofthe15-barPlaneTrussStructure/kN情況P1P2P3135353523503533500圖215桿桁架結(jié)構(gòu)示意圖Fig.2The-15bartrussstructure為了測試算法的收斂速度和全局優(yōu)化能力，在相同約束條件下，設(shè)計(jì)了3種情況下的仿真試驗(yàn)，種群規(guī)模為30，最大迭代次數(shù)500，即最大適應(yīng)度函數(shù)計(jì)算次數(shù)為15000，3種算法分別對3種約束力下的桁架結(jié)構(gòu)進(jìn)行計(jì)算，表2顯示了改進(jìn)后算法與PSO、WOA相比，可以得到優(yōu)化后的結(jié)構(gòu)總質(zhì)量最小為102.925kg。改進(jìn)鯨魚優(yōu)化算法有著較好的優(yōu)化結(jié)果，相較于PSO算法，結(jié)構(gòu)重量減輕了（142.117-102.925）/142.117×100%=27.58%；相較于WOA算法，結(jié)構(gòu)重量減輕了（105.735-102.925）/105.735×100%=2.66%；結(jié)果表明：該算法能夠提供很好的搜索能力。由迭代關(guān)系曲線（圖3）可以看出，迭代次數(shù)在290次左右使跳出了局部最優(yōu)解，380次左右優(yōu)化結(jié)果基本穩(wěn)定。表215桿桁架優(yōu)化結(jié)果比較Table2Optimizationresultsofthe15-bartruss桿件編號(hào)PSOWOASWOAA1187.1113.2113.1A2113.1113.2113.1A3143.3113.2113.1A4113.1113.2113.1A5736.9736.7736.6A6143.1113.2113.1A7113.4113.2113.1A8736.4736.7735.7A9112.9113.1113.1A10113.3113.1113.1A11113.4113.1113.1A12113.1113.1113.

·24·劉歷波等：改進(jìn)鯨魚算法在桁架結(jié)構(gòu)優(yōu)化中的應(yīng)用2020年第1期建筑結(jié)構(gòu)圖315桿桁架優(yōu)化迭代關(guān)系曲線圖Fig.3Optimizationiterativecurvediagramofthe15-bartruss4.225桿空間桁架設(shè)計(jì)建立25桿空間桁架結(jié)構(gòu)［21］的模型，見圖4，有10個(gè)節(jié)點(diǎn)，其中4個(gè)節(jié)點(diǎn)固定，即25個(gè)桿。桁架結(jié)構(gòu)的荷載工況情況見表3，參數(shù)設(shè)計(jì)如下：材料密度=0.0272N/cm3，彈性模量E=68.947MPa，位移限制有：=8.89mm，=8.90mm。該桁架桿件分組與應(yīng)力極限如表4所示。桁架橫截面積設(shè)計(jì)變量選擇區(qū)域?yàn)椋海?.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1.0，1.1，1.2，1.3，1.4，1.5，1.6，1.7，1.8，1.9，2.0，2.1，2.2，2.3，2.4，2.5，2.6，2.8，3.0，3.2，3.4］（cm2）表325桿空間桁架荷載設(shè)計(jì)Table3Loadcasesofthe25-barspatialtrussstructure/kN節(jié)點(diǎn)情況1情況2PxPyPzPxPyPz108922.254.4544.522.25208922.250.044.522.2530002.220060002.2200圖425桿空間桁架結(jié)構(gòu)示意圖Fig.4The25-barspatialtrussstructure表425桿桁架分組與應(yīng)力極限Table4Theclassificationandstresslimitofthe25-barspatialtrussstructure/MPa桿件分組壓應(yīng)力極限拉應(yīng)力極限A1241.96275.80A2-A579.913275.80A6-A9119.31275.80A10-A11241.96275.80A12-A13241.96275.80A14-A1746.603275.80A18-A2147.982275.80A22-A2576.410275.80在仿真試驗(yàn)設(shè)計(jì)中，迭代次數(shù)為500，求取桿件的最優(yōu)質(zhì)量和平均質(zhì)量。由圖5可知，在具有可靠度約束條件下，算法在360次后已經(jīng)開始收斂。由表5可知，在仿真試驗(yàn)中得到改進(jìn)算法的最優(yōu)質(zhì)量為245.915kg，改進(jìn)鯨魚優(yōu)化算法有著較好的優(yōu)化結(jié)果，相較于PSO算法，結(jié)構(gòu)重量減輕（247.190-245.915）/24

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)粒子群算法的桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J]. 李沛豪,李東.  空間結(jié)構(gòu). 2018(04)
[2]一種改進(jìn)的鯨魚優(yōu)化算法[J]. 張永,陳鋒.  計(jì)算機(jī)工程. 2018(03)
[3]求解大規(guī)模優(yōu)化問題的改進(jìn)鯨魚優(yōu)化算法[J]. 龍文,蔡紹洪,焦建軍,唐明珠,伍鐵斌.  系統(tǒng)工程理論與實(shí)踐. 2017(11)
[4]改進(jìn)罰函數(shù)分級(jí)遺傳算法及其在桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用[J]. 皇甫尚乾,徐安.  廣州大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(05)
[5]基于自適應(yīng)權(quán)重和柯西變異的鯨魚優(yōu)化算法[J]. 郭振洲,王平,馬云峰,王琦,拱長青.  微電子學(xué)與計(jì)算機(jī). 2017(09)
[6]一種隨機(jī)調(diào)整控制參數(shù)的鯨魚優(yōu)化算法[J]. 鐘明輝,龍文.  科學(xué)技術(shù)與工程. 2017(12)
[7]桁架結(jié)構(gòu)的優(yōu)化設(shè)計(jì)方法研究綜述[J]. 葉云青.  黑龍江科技信息. 2014(17)
[8]基于可靠度指標(biāo)的桁架優(yōu)化研究[J]. 周書敬,張東敏,徐志聰.  鋼結(jié)構(gòu). 2014(01)
[9]基于改進(jìn)型蟻群算法的結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J]. 鄧建軍,李彥彬,張琳.  特種結(jié)構(gòu). 2013(03)
[10]基于遺傳算法的平面桁架結(jié)構(gòu)截面優(yōu)化設(shè)計(jì)方法研究[J]. 章弦,李文芳.  中國建筑金屬結(jié)構(gòu). 2013(08)



本文編號(hào)：3489593