改进粒子群算法在结构优化设计中的应用

【摘要】：结构优化设计不但能够降低结构的重量和造价成本,还能够优化改进结构的强度、刚度、稳定性,可靠度、振动特性等,它是现代优化设计和计算力学的重要的研究方向。随着数学理论和计算机技术的迅速发展,传统的优化方法在很多方面已经不能满足现代计算的需要。而群体智能算法的出现却解决了许多工程优化中出现的新问题,这类算法代表了群体搜索机制和进化技术,由算法的参数和操作决定搜索行为,它具有较强的鲁棒性、稳定性及全局与局部搜索能力,适合于任何函数,从而解决传统优化方法的一些缺陷。粒子群优化算法(Particle Swarm Optimization,PSO算法)是群体智能算法里的一个非常典型的算法,来源于鸟群聚集中的模拟迁徙的过程。它的特点主要是收敛速度快,鲁棒性强,参数调整较少且易于实现,已经应用于许多工程领域,由于它是一种先进的优化方法,适合处理离散问题还有一些复杂的非凸非线性问题。 本文在标准粒子群算法基础上,对这种搜索算法的优化能力和求解结构工程优化设计问题展开了分析和改进,论文主体主要包含以下几个部分: (1)首先介绍了结构优化设计理论和优化方法的发展,详细地说明了粒子群优化算法的原理与发展,并给出了结构优化算法的计算流程。 (2)介绍了几种改进的粒子群算法和应用过程,包括基于王朝更替思想的粒子群算法和离散的粒子群优化算法。 (3)本文提出了一种改进粒子群算法PSOBF(Particle Swarm Optimization Based On Bacterial Foraging),通过基于多样性控制策略的方法,可以增加排斥作用,避免早熟收敛,从而达到局部与全局收敛的平衡。 (4)通过这种改进的粒子群算法求解结构工程设计应用,主要包括钢筋混凝土梁的优化,框架结构的优化,桁架的离散优化。通过几个实际工程分析结果与现有文献比较,本文改进的粒子群算法可以得到更加经济合理的数据,从而表明该算法是可行和有效的。