离散变量结构拓扑优化的遗传禁忌搜索算法研究

摘要

近几年来，结构优化设计发展迅速，但拓扑优化被公认为结构优化中最具挑战性的课题，尤其是离散变量结构拓扑优化问题，由于受到设计变量取值离散性的限制，其难度比连续变量结构拓扑优化问题更大，进展相对比较缓慢。因此，离散变量结构拓扑优化的研究具有重要的理论和实际意义。 遗传算法是一种受到广泛关注的全局优化算法，开创了在解空间中从多出发点搜索问题最优解的先河，具有很强的并行搜索能力，而禁忌搜索算法是在搜索过程中使用记忆功能的先驱者，以其灵活的存储结构和相应的禁忌准则来避免迂回搜索，具有较强的局部搜索能力。本文提出的遗传禁忌搜索算法基于遗传算法提供的并行搜索主框架，结合遗传群体进化和禁忌搜索算法较强的具有避免迂回搜索能力的邻域搜索，可以实现快速全局优化。 本文的主要研究成果概括如下：1.论文比较系统地探讨了遗传算法和禁忌搜索算法的两种混合策略：第一种是利用禁忌搜索的思想来改进遗传算法的交叉算子和变异算子；第二种是对每代中交叉变异后得到的新种群中的一定比例的个体进行禁忌搜索处理。 2.论文针对离散变量结构拓扑优化的特性，建立了包含截面设计变量和拓扑设计变量，以结构重量最小化为目标的离散变量结构拓扑优化数学模型，采用了由易到难的结构机动性分析机制，大大减少了结构重分析次数。数值算例结果表明，本文两种遗传禁忌搜索混合算法用于离散变量桁架结构和刚架结构的拓扑优化设计均是方便、快速和有效的。 3.论文对遗传算法的遗传算子进行了改进：采用直接比较—比例方法(DCPM)处理约束避免罚因子选择困难的问题，采用整数编码的扩展的二进制交叉和变种的算术交叉协同作用的交叉方式，采用基于个体适应值排序的等差数列变异概率等，并改进了种群中禁忌搜索作用个体的选择方法。

目录

文摘

英文文摘

独创性声明及关于论文使用授权的说明

第1章绪论

第2章遗传算法和禁忌搜索算法

第3章遗传禁忌搜索算法

第4章离散变量桁架结构的拓扑优化

第5章离散变量刚架结构的拓扑优化

结论与展望

参考文献

攻读硕士学位期间发表的学术论文

致 谢