高等启发式算法在桁架结构优化中的应用

摘要

高等启发式算法(Meta-Heuristic,MH)由Fred Glover于1986年首次提出,与启发式算法(Heuristic)的差别在于MH不是针对问题而独立设计(problem independent techniques)的;MH通用性强,可应用于条件不完整的问题(如黑箱问题).桁架结构优化可分为拓扑(topology)、形状(shape)、尺寸(sizing)三个类别.在MH出现前,桁架结构的杆件连结无法有效地表述成连续问题.因此,拓扑优化一直是桁架结构优化中的难点,直至MH的出现,才使得桁架拓扑/形状/尺寸同步优化成为可能.MH易于与其他算法合并使用,进而衍伸出许多组合型的MH,改善了MH迭代与分析次数偏高、全局搜索与局部搜索能力不能兼顾等缺陷.本文将回顾MH在桁架结构优化领域应用的研究文献,通过系统地整理与比较,总结归纳各种MH在桁架结构优化中的表现.本文章将对比缩限在桁架结构优化应用上，并讨论四个高等启发式演算法。其中TS与SA因为能比的文献数量稀少，只有一篇或甚至没有列入对比。在三个算例对比上，可以发现许多学者在截面积条件不对等的情况下，仍将结果与其他文献相比较，或甚至些微变动调整参数设置，算出较好结果就昭告自身研究是较优异的。其次，由于基于MH的桁架结构优化文献为数不多，且算例的参数设置上多不尽相同，因此增加了对比的难度，所以若只是针对MH与桁架结构优化，很难有效的进行对比。所以后面的学者若要认真的研究MH在桁架结构优化的应用，必须更小心谨慎的进行对比，且还得多参考比较其他非基于MH桁架结构优化的文献。再者，基于MH的桁架结构优化可以多尝试不同的优化目标与更多不同的算例，像是Dhingra与Li是很好的例子。