离散变量结构优化的多区域混合遗传算法

发布时间：2017-05-23 21:04

  本文关键词：离散变量结构优化的多区域混合遗传算法，由笔耕文化传播整理发布。

【摘要】：针对遗传算法应用于结构优化设计时局部细致搜索能力较弱的问题和离散变量结构优化的特点,提出一种将直接搜索算法与改进的遗传算法相结合的多区域混合遗传算法。主要研究内容包括:(1)概述了离散变量结构优化设计的直接搜索的拟满应力方法、斐波那契方法和相对差商方法的基本原理、算法步骤。(2)介绍了遗传算法的生物学基础、遗传算法的基本操作、参数选择和约束条件的处理;分析了遗传算法的特点和算法的收敛准则;提出了改进的遗传算法。(3)提出了一种多区域搜索的混合遗传算法:将优化的可行区域划分成应力约束可行域,位移约束可行域,频率约束可行域等等;在应力可行域上使用拟满应力方法搜索得到满足应力约束最优解;以这组满足应力约束最优解作为初始点,执行相对差商法或斐波那契算法,寻找满足位移等整体约束的最优解;为了保证寻找到全局最优解,执行改进的遗传算法,并且把直接搜索法的局部最优解作遗传算法初始种群的基因,这样将遗传算法和直接搜索算法两者有机的结合在一起,构造一种新的混合遗传算法分区域多算法的混合遗传算法。既发挥了直接搜索算法局部搜索能力强的特点,又发挥了遗传算法全局性好的特点,兼顾了遗传算法和直接搜索算法二者的长处,从而保持了种群的多样性,避免了局部最优。(4)编制了包括拟满应力算法、斐波那契算法、相对差商算法、改进遗传算法在内的多区域遗传算法的计算机程序。通过函数优化和结构优化设计的算例验证算法的正确性和有效性。
【关键词】：离散变量 结构优化 混合遗传算法 多区域搜索 直接搜索算法
【学位授予单位】：辽宁工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU318
【目录】：

• 摘要5-6
• Abstract6-10
• 1 绪论10-17
• 1.1 课题研究背景及意义10-11
• 1.1.1 结构优化设计的研究背景10
• 1.1.2 结构优化设计的研究意义10-11
• 1.2 离散变量结构优化设计的发展概况11-13
• 1.2.1 离散变量结构优化设计的方法11-12
• 1.2.2 离散变量结构优化的难点12-13
• 1.3 遗传算法研究进展13-15
• 1.4 课题的主要内容15-17
• 2 离散变量结构优化设计的直接搜索法17-28
• 2.1 概述17
• 2.2 离散变量结构优化设计的基本概念17-19
• 2.2.1 离散变量结构优化设计的数学模型17-18
• 2.2.2 离散变量结构优化设计的特点18-19
• 2.3 拟满应力方法19-22
• 2.3.1 拟满应力设计的数学模型20
• 2.3.2 拟满应力设计的算法20-22
• 2.4 斐波那契（Fibonacci）方法22-24
• 2.4.1 菲波那契数列22-23
• 2.4.2 一维斐波那契算法23
• 2.4.3 多维问题的菲波那契搜索法23-24
• 2.5 相对差商算法24-27
• 2.5.1 相对差商算法的基本思想25-26
• 2.5.2 相对差商算法的计算过程26-27
• 2.6 小结27-28
• 3 遗传算法理论和改进遗传算法28-40
• 3.1 引言28
• 3.2 遗传算法的发展历史28-29
• 3.3 简单遗传算法29-31
• 3.3.1 遗传算法的思想29
• 3.3.2 遗传算法的基本遗传算子29-31
• 3.4 遗传算法的特点31-32
• 3.5 遗传算法的数学理论32-33
• 3.5.1 模式定理32
• 3.5.2 积木块假32-33
• 3.5.3 隐含并行性33
• 3.5.4 收敛性33
• 3.6 遗传算法的实现技术33-35
• 3.6.1 染色体编码方法33
• 3.6.2 个体适应度评价函数33-34
• 3.6.3 约束条件的处理方法34
• 3.6.4 遗传算法实现步骤34-35
• 3.7 遗传算法的运行参数35-36
• 3.8 改进遗传算法36-38
• 3.8.1 倒位算子36-37
• 3.8.2 杰出个体保存策略37
• 3.8.3 最差个体替换策略37
• 3.8.4 佳点排序法37
• 3.8.5 适应度指数变换尺度37-38
• 3.8.6 采用变交叉率、变变异率的做法38
• 3.8.7 改进遗传算法的意义38
• 3.9 小结38-40
• 4 多区域混合遗传算法40-55
• 4.1 引言40
• 4.2 多区域混合遗传算法的数学模型40-41
• 4.3 设计变量的转换41
• 4.3.1 群体的数据结构41
• 4.3.2 编码方法41
• 4.3.3 解码方法41
• 4.4 多区域混合遗传算法的实施41-44
• 4.4.1 多区域混合遗传算法的步骤41-42
• 4.4.2 多区域混合遗传算法的程序框图42
• 4.4.3 多区域混合遗传算法的程序系统42-44
• 4.5 结构优化设计算例44-54
• 4.5.1 测试方程式的验证44-48
• 4.5.2 结构优化设计算例48-54
• 4.6 小结54-55
• 5 结论55-57
• 参考文献57-59
• 致谢59-60
• 附录 多区域混合遗传算法源程序60-79

【相似文献】

中国期刊全文数据库 前10条

1 张攀,田国会,贾磊,李晓磊,路飞;旋转货架拣选作业优化问题的新型混合遗传算法求解[J];机械工程学报;2004年06期

2 黄玉清,陈春梅,李磊民;一种混合遗传算法在货物装载中的应用[J];仪器仪表学报;2004年S1期

3 洪露,穆志纯,王岗罡;一种改进型混合遗传算法的分析[J];工业仪表与自动化装置;2005年03期

4 李艺,张延年,阎运起;工程结构优化设计的混合遗传算法[J];四川大学学报(工程科学版);2005年04期

5 杨敬松,崔广才;基于混合遗传算法的分布式车间作业调度问题[J];长春理工大学学报;2005年03期

6 张延年,刘斌,郭鹏飞;混合遗传算法在工程结构优化设计中的应用[J];工业建筑;2005年03期

7 姜封国;安伟光;赵延林;;基于混合遗传算法的结构优化设计[J];煤矿机械;2007年09期

8 唐国锋;俞立;张贵军;黄骅;;基于动态搜索轨迹的混合遗传算法设计及实现[J];浙江工业大学学报;2008年02期

9 周建兴;朴英;曹志松;;基于混合遗传算法的进气道性能设计与优化[J];计算机工程;2008年12期

10 喻瑛;;多模式资源受限项目调度问题的混合遗传算法[J];东南大学学报(自然科学版);2008年04期

中国重要会议论文全文数据库 前10条

1 黄玉清;陈春梅;李磊民;;一种混合遗传算法在货物装载中的应用[A];第二届全国信息获取与处理学术会议论文集[C];2004年

2 吴海兵;刘萍;;混合遗传算法在物流配送路径优化问题中的应用[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年

3 王永生;曹贝;肖立伊;;基于混合遗传算法的测试壳优化[A];第四届中国测试学术会议论文集[C];2006年

4 李平;;客户成套订单配送策略混合遗传算法研究[A];第九届中国青年信息与管理学者大会论文集[C];2007年

5 侯志祥;;基于混合遗传算法的连续系统参数辨识[A];第二十六届中国控制会议论文集[C];2007年

6 赵瑞艳;李树荣;张晓东;苗荣;;基于混合遗传算法的热传导系统最优控制问题求解[A];第二十七届中国控制会议论文集[C];2008年

7 张银利;陈德勇;苏艳;;物流配送路径优化问题的一种混合遗传算法[A];第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会论文集[C];2012年

8 何大阔;凌君;顾大为;王福利;;基于减聚类的混合遗传算法[A];第三届中国智能计算大会论文集[C];2009年

9 宋莉波;徐学军;孙延明;查靓;;一种求解flexible job-shop调度问题的混合遗传算法[A];系统工程与和谐管理——第十届全国青年系统科学与管理科学学术会议论文集[C];2009年

10 张海波;陈行行;;混合遗传算法在智能天线波束成型中的应用[A];重庆市电机工程学会2010年学术会议论文集[C];2010年

中国博士学位论文全文数据库 前2条

1 陶泽;基于Petri网和混合遗传算法的JSP优化调度[D];东北大学;2006年

2 程蓉;复杂生产环境下优化调度方法研究与系统实现[D];华中科技大学;2006年

中国硕士学位论文全文数据库 前10条

1 伊梦杰;多闸室协调调度的船闸优化问题研究[D];大连海事大学;2015年

2 薛海萍;基于相似性排挤的多种群混合遗传算法的研究与应用[D];广西大学;2015年

3 王云;基于混合遗传算法的工期费用优化研究[D];大连理工大学;2015年

4 冯晓春;蔬菜B2C直销的拣货作业优化方法研究[D];大连理工大学;2015年

5 王sサ，

本文编号：389094