基于混合进化算法的可靠性设计方法

发布时间：2018-02-13 17:54

  本文关键词： 非概率可靠性指标 凸模型 粒子群优化算法 差分进化算法 模拟退火　出处：《控制工程》2017年03期 　论文类型：期刊论文

【摘要】：为解决不确定性结构的非概率可靠性优化存在的问题,提出了一种基于模拟退火粒子群算法与差分进化算法的结构非概率可靠性优化方法。在兼顾结构非概率可靠性指标约束的前提下,构建了最小化结构体积为目标的优化模型。为改善结构非概率可靠性优化问题的计算效率和精度,通过基于认知经验进化的MIXED-EVO混合算法来实施非概率可靠性优化设计。实验结果表明,该算法可避免PSO算法的早熟现象,改善收敛速度和计算精度,具有较好的全局搜索能力,稳定性较强。
[Abstract]:In order to solve the problem of non-probabilistic reliability optimization of uncertain structures, A structural non-probabilistic reliability optimization method based on simulated annealing particle swarm optimization and differential evolution algorithm is proposed. In order to improve the computational efficiency and accuracy of the structural non-probabilistic reliability optimization problem, an optimization model with the objective of minimizing the volume of the structure is constructed. The MIXED-EVO hybrid algorithm based on cognitive empirical evolution is used to implement the non-probabilistic reliability optimization design. The experimental results show that the algorithm can avoid the premature phenomenon of the PSO algorithm, improve the convergence speed and computational accuracy, and has a better global search ability. The stability is strong.
【作者单位】： 内江师范学院计算机科学学院;枣庄学院信息科学与工程学院;
【基金】：四川省科技委基金重点项目(NO.KJ-2014-0109) 四川省教育厅项目(15ZB0276)
【分类号】：TP18;TB114.3

【相似文献】

相关期刊论文 前10条

1 梁锋;一种求整体最优的快速混合算法[J];数值计算与计算机应用;1989年02期

2 杨昭军;;体能预测模型算法收敛性证明[J];湖南税专学报;1996年01期

3 李枝勇;马良;张惠珍;;蝙蝠算法收敛性分析[J];数学的实践与认识;2013年12期

4 喻寿益;邝溯琼;;保留精英遗传算法收敛性和收敛速度的鞅方法分析[J];控制理论与应用;2010年07期

5 堵丁柱,堵秀凤;陡度引理的强化与应用[J];中国科学(A辑 数学 物理学 天文学 技术科学);1991年12期

6 朱贤阳,李敬,任朗,汪文秉;修正变步长自适应算法[J];科学通报;1996年16期

7 张业荣,聂在平,漆兰芬;用于非均匀介质重建的选代算法收敛性的研究[J];电波科学学报;1998年02期

8 叶志伟;周欣;夏彬;;蚁群算法研究应用现状与展望[J];吉首大学学报(自然科学版);2010年01期

9 沈继红;王侃;李璞;;基于改进蚁群算法的船舶人员疏散问题研究[J];控制工程;2013年05期

10 王则柯,徐森林;计算多项式零点的一种单纯轮回算法[J];高等学校计算数学学报;1985年04期

相关会议论文 前2条

1 任伟建;陈建玲;韩冬;王凤妤;;蚁群算法综述[A];2007中国控制与决策学术年会论文集[C];2007年

2 张丹;华红艳;邵丽红;;扰动蚁群算法中参数的优化选择[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

相关博士学位论文 前1条

1 王允良;飞行器总体参数优化的进化算法及其应用研究[D];西北工业大学;2006年

相关硕士学位论文 前10条

1 孟晓琳;蚁群算法的研究及其应用[D];西南交通大学;2015年

2 丁雪海;基于群智能的多目标关联规则挖掘算法应用研究[D];上海大学;2014年

3 陈贞贞;基于FPGA的压缩感知恢复算法的研究与实现[D];中国科学院研究生院(空间科学与应用研究中心);2015年

4 葛曼;基于稀疏表示的鲁棒相位恢复算法研究[D];燕山大学;2016年

5 胡瀛月;人工蜂群算法的改进及相关应用研究[D];中原工学院;2016年

6 高明芳;基于粒子群蚁群混合算法的物流车辆路径问题研究[D];内蒙古农业大学;2016年

7 周文明;基于智能算法的移动机器人路径规划研究[D];南京理工大学;2016年

8 岳振芳;教与学优化算法的改进研究[D];宁夏大学;2016年

9 缪志勇;车联网平台下基于优化蚁群算法的公交调度系统优化[D];江西农业大学;2016年

10 陈振;混合型蝙蝠搜索优化算法及其应用研究[D];广西大学;2014年

，

本文编号：1508748