基于改進(jìn)遺傳算法的連續(xù)體結(jié)構(gòu)拓?fù)鋬?yōu)化研究.pdf

1、結(jié)構(gòu)優(yōu)化在工程技術(shù)領(lǐng)域日益發(fā)揮著重要的作用，本文對結(jié)構(gòu)優(yōu)化中較高層次的拓?fù)鋬?yōu)化進(jìn)行了深入研究。針對目前拓?fù)鋬?yōu)化方法中存在的易陷入局部最優(yōu)解、優(yōu)化結(jié)構(gòu)的質(zhì)量低以及求解大規(guī)模結(jié)構(gòu)時(shí)效率低等問題深入地進(jìn)行了分析和研究，并將傳統(tǒng)的結(jié)構(gòu)拓?fù)鋬?yōu)化方法作了改進(jìn)，提高了結(jié)構(gòu)優(yōu)化效果。
　　首先，本文將雙向漸進(jìn)性結(jié)構(gòu)優(yōu)化方法（Bi-directional Evolutionary Structural Optimization，BESO）與遺傳算法

2、（Genetic Algorithm，GA）相結(jié)合，提出一種基于改進(jìn)遺傳算法的雙向漸進(jìn)性結(jié)構(gòu)優(yōu)化方法（ Combing Improved Genetic Algorithm with BESO for Topology Optimization，IGA-BESO）。該方法不僅解決了BESO方法優(yōu)化結(jié)構(gòu)時(shí)易出現(xiàn)局部最優(yōu)解的缺陷，而且改善了GA算法優(yōu)化結(jié)構(gòu)時(shí)的低效性和復(fù)雜性。改進(jìn)后的帶有懲罰因子的交叉與變異操作解決了優(yōu)化過程中易出現(xiàn)的單元非

3、連通現(xiàn)象的問題。
　　其次，本文將IGA-BESO方法拓展應(yīng)用于多工況載荷約束下的結(jié)構(gòu)優(yōu)化問題。該方法通過將所有子工況的目標(biāo)函數(shù)值線性加權(quán)平均來構(gòu)建結(jié)構(gòu)優(yōu)化總的目標(biāo)函數(shù)，很好的處理了各個(gè)工況之間的關(guān)系。利用α-方法解決了各個(gè)工況權(quán)值確定的問題，分層優(yōu)化技術(shù)有效地避免了“載荷病態(tài)”現(xiàn)象的發(fā)生。
　　同時(shí)，將IGA-BESO方法拓展應(yīng)用于求解受周期性約束的結(jié)構(gòu)優(yōu)化問題。該方法通過將整個(gè)結(jié)構(gòu)劃分為晶胞單元的形式，滿足了周期性約束的