启发式粒子群算法和遗传算法的杂交及其在离散变量桁架结构优化设计中的应用

摘要

本文在启发式粒子群算法中引入遗传算法并结合Pareto最优解理论提出了一种新的多目标算法——基于启发式粒子群算法和遗传算法的多目标杂交算法(Multi-objective HPSO-GA Hybrid Algorithm,MOHGHA).利用该算法对一同时包含离散变量和连续变量的、带约束的40杆桁架结构进行了多目标优化设计分析,并与多目标粒子群算法(MOPSO)、多目标群搜索算法(MGSO)、遗传算法(NSGA-Ⅱ)等多目标优化算法的结果进行了比较.研究结果表明:本文提出的杂交算法MOHGHA有效的利用了粒子群算法和遗传算法的特点,可改善多目标粒子群算法在桁架结构优化设计中的收敛精度和速度,具有较好的鲁棒性,可用于同类结构的多目标优化.