基于改进ACO和PSO算法的结构可靠度分析

摘要

工程结构存在大量的不确定性，它直接关系到我们的生产实践和生命财产安全。因此考虑不确定性对安全性的影响在土木工程领域具有重要的现实意义。结构可靠度理论是处理结构不确定性、进行结构性能评估的有力工具。
　　 本文总结了国内外结构可靠度的研究现状，在对现有结构可靠度计算方法进行总结分析的基础上，将计算智能算法引入到结构可靠度的计算中，为结构可靠性分析提供一种新的方法，以期能将结构可靠度理论更好的应用于实际工程领域。本文的主要研究内容如下:
　　 (1)分别将蚁群算法与粒子群算法进行改进。引入信息熵，实现蚁群算法的自适应调节;设置惯性权重，引入平滑函数，构造阈值函数，实现粒子群算法解决约束优化问题的快速收敛性。
　　 (2)利用蚁群算法和粒子群算法的特点，分别将改进的蚁群和粒子群算法应用于结构可靠度分析之中。首先利用蚁群算法的启发式信息，找出结构的关键失效路径，然后利用粒子群算法寻求结构的最优失效路径并建立数学模型，进行结构可靠指标的计算。将两种算法混合，实现优势互补，从而达到精确而快速的分析结构可靠度的目的。
　　 (3)进行算例分析，将计算结果与传统计算方法以及其他智能算法进行对比分析，证明本方法在结构可靠度的分析计算中的有效性。
　　 结构体系由于构件多，构造复杂，传统的结构可靠度计算方法难以准确寻找失效路径及处理计算过程中的庞大数据。本文针对传统计算方法难以求解以及其他智能算法收敛效率低的情况，提出将改进蚁群与粒子群混合算法应用于结构可靠度分析中，在求解精度和效率上都达到了很好的效果，对于提高我国结构可靠性研究水平具有重要意义。

目录

声明

摘要

第1章 绪论

1．1 选题的背景和意义

1．2 结构可靠度概述

1．2．1 结构可靠度分析的目的和过程

1．2．2 结构可靠度研究历史

1．2．3 结构可靠度研究现状

1．3 群体智能算法概述

1．3．1 群体智能算法研究历史

1．3．2 群体智能算法研究现状

1．4 本文主要工作

1．5 本章小结

第2章 结构可靠度分析的基本概念和常用计算方法

2．1 结构可靠性与可靠度

2．2 结构可靠度与极限状态

2．3 结构可靠度与失效概率

2．4 结构可靠度与可靠指标

2．4．1 可靠指标的常用公式

2．4．2 可靠指标的几何意义

2．5 结构可靠度常用计算方法

2．5．1 一次二阶距法

2．5．2 JC法

2．5．3 蒙特卡罗法

2．6 本章小结

第3章 ACO算法与PSO算法

3．1 ACO算法

3．1．1 ACO算法的基本原理

3．1．2 ACO算法的数学模型

3．1．3 ACO算法的基本流程

3．1．4 ACO算法的特点

3．2 PSO算法

3．2．1 PSO算法的基本原理

3．2．2 PSO算法的基本流程

3．2．3 PSO算法的参数构成及设置

3．2．4 PSO算法的特点

3．3 本章小结

第4章 ACO与PSO算法的改进

4．1 改进ACO算法

4．1．1 信息熵及其性质

4．1．2 ACO算法的改进

4．2 改进PSO算法

4．2．1 惯性权重的设置

4．2．2 平滑函数

4．3 算法性能比较

4．3．1 改进ACO算法与其他算法的性能比较

4．3．2 改进PSO算法与其他算法的性能比较

4．4 本章小结

第5章 改进ACO与PSO算法对结构可靠度的分析

5．1 改进ACO算法寻找结构关键失效路径

5．1．1 结构失效路径概述及ACO算法操作步骤

5．1．2 用MATLAB实现改进ACO算法寻找失效路径

5．2 改进PSO算法对结构可靠指标的计算

5．2．1 基于改进PSO算法求解可靠指标模型

5．2．2 用MATLAB实现改进PSO算法求解结构可靠指标

5．3 基于改进ACO和PSO混合算法的结构可靠度分析流程

5．4 本章小结

第6章 算例分析及方法对比

6．1 算例1

6．2 算例2

6．3 算例3

6．4 本章小结

结论与展望

结论

研究展望

致谢

参考文献

作者简介

攻读硕士期间所发表的论文