作為一種新型啟發(fā)式智能優(yōu)化算法,模擬植物生長算法(PGSA)建立以植物向光性機理為基礎的生長動力模型,以形成向全局最優(yōu)解迅速生長的搜索機制.針對大規(guī)模復雜優(yōu)化問題中生長空間大、設計變量多、可能存在多個局部最優(yōu)解、算法難以自動終止等特點,基于PGSA基本原理,提出了3種新的算法改進機制——可生長點集合限定機制、新增可生長點剔除機制以及混合步長并行搜索機制,并通過典型數學和桁架結構算例分析對提出的改進算法的效果進行驗證.結果表明:可生長點集合限定機制能有效控制生長空間規(guī)模,具有較強的局部搜索能力;新增可生長點剔除機制通過與前者的結合,為PGSA提供了有效的算法終止機制;混合步長并行搜索機制在生長前期便具備優(yōu)異的全局搜索能力,能快速獲取到最優(yōu)解范圍.所提出的新機制顯著提升了PGSA算法優(yōu)化的有效性及適應性,從而為結構優(yōu)化問題提供了新思路.

【文章頁數】：10 頁

【文章目錄】：
1 模擬植物生長算法
    1.1 基本原理
    1.2 PGSA的特點及存在問題
2 PGSA改進機制的提出
    2.1 可生長點集合限定機制
    2.2 新增可生長點剔除機制
    2.3 混合步長并行搜索機制
3 改進機制的計算效率對比
    3.1 典型數學算例
        3.1.1 可生長點集合限定機制的改進效率
        3.1.2 新增可生長點剔除機制的改進效率
        3.1.3混合步長并行搜索機制的改進效率
    3.2 典型結構算例
4 結論



本文編號：3888298