基于进化类混合算法的桥门式起重机结构优化

发布时间：2020-11-18 09:42

　　 起重机金属结构占整机重量的60％左右，因此从经济性方面考虑，应用现代优化方法对起重机金属结构进行优化设计，是起重机设计中一个必不可少并且很有实用价值的一个环节。 鉴于单一算法在解决工程优化问题中存在的一些问题，本文在分析遗传算法特点的基础上，分别针对其未成熟收敛和后期迭代速度缓慢的缺点，将模拟退火算法和进化策略引入到遗传算法之中进行弥补，从而构造了进化类混合算法。算法中处理的几个关键问题分别是： 1) 解决了混合离散变量的编码表示问题。算法中采用实数编码分别对连续型变量、整数变量和离散变量等不同数据进行处理。 2) 改进了遗传算法中各个算子。根据各算子在算法中所起的作用，对交叉算子、变异算子和选择算子分别进行了相应的改进，使得算子的功能更加突出。 3) 实现了遗传算法、模拟退火算法和进化策略的合理集成。模拟退火算法的引入，主要是为了避免遗传算法陷入局部最优解，因此将模拟退火算法与变异算子结合，应用在算法的宏观搜索阶段。进化策略作为一个独立的算子集成到遗传算法之中，主要负责后期微观搜索阶段的提速和提高解的精度。 用进化类混合算法对测试函数和桥门式起重机进行实例优化，结果表明该算法能够最大程度地逃离局部最优解，在搜索精度和速度上都有很大的提高，是一种稳定可靠的算法。因此该算法的应用能够为工程设计提供一定的辅助和参考作用，使得设计周期大大缩短，提高设计质量，降低设计费用。
【学位单位】：西南交通大学
【学位级别】：硕士
【学位年份】：2006
【中图分类】：TH213.5
【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的背景
    1.2 国内外的研究现状
        1.2.1 起重机研究现状
        1.2.2 现代智能优化算法研究现状
    1.3 论文研究的主要内容
第2章 智能优化算法
    2.1 遗传算法（GA）
        2.1.1 遗传算法的基本原理
        2.1.2 遗传算法与传统优化算法的区别
        2.1.3 传统遗传算法存在的问题
        2.1.4 遗传算法的改进
    2.2 模拟退火算法（SA）
        2.2.1 模拟退火算法基本思想
        2.2.2 模拟退火算法的特点
        2.2.3 模拟退火算法的改进
    2.3 进化策略（ES）
        2.3.1 进化策略的原理
        2.3.2 进化策略的特点
        2.3.3 进化策略的改进
第3章 进化类混合算法的构造
    3.1 进化类混合算法构成的基本原则与思想
    3.2 进化类混合算法实现中要处理的若干问题
        3.2.1 编码方案的选择
        3.2.2 混合离散变量的数据处理
        3.2.3 约束的处理
        3.2.4 适应度函数
        3.2.5 运行参数的选取
    3.3 进化类混合算法的算子设计
        3.3.1 新颖交叉算子
        3.3.2 退火变异算子
        3.3.3 进化搜索算子
        3.3.4 进化选择算子
    3.4 精英保留策略
    3.5 进化类混合算法的测试
        3.5.1 测试函数的选取
        3.5.2 结果分析
第4章 基于进化类混合算法的桥式起重机结构优化
    4.1 桥式起重机优化数学模型的建立
        4.1.1 设计变量的选取
        4.1.2 目标函数的建立
        4.1.3 约束函数的建立
    4.2 进化类混合算法在桥式起重机结构优化中的应用
        4.2.1 优化参数的选取
        4.2.2 优化结果分析
第5章 基于进化类混合算法的门式起重机结构优化
    5.1 门式起重机优化数学模型的建立
        5.1.1 设计变量和目标函数
        5.1.2 门式起重机载荷计算
        5.1.3 数学模型的建立
    5.2 进化类混合算法在门式起重机结构优化中的应用
        5.2.1 优化参数的选取
        5.2.2 优化结果分析
第6章 结论与展望
    6.1 结论
    6.2 展望
致谢
参考文献
攻读硕士学位期间发表的论文及科研成果

【引证文献】

相关硕士学位论文 前1条

1 朱小海;大型门式起重机结构特性与系统虚拟仿真研究[D];西南交通大学;2013年

本文编号：2888579