基于改進遺傳算法的連續(xù)體結構拓撲優(yōu)化研究.pdf

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

2、（Genetic Algorithm，GA）相結合，提出一種基于改進遺傳算法的雙向漸進性結構優(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)化結構時易出現(xiàn)局部最優(yōu)解的缺陷，而且改善了GA算法優(yōu)化結構時的低效性和復雜性。改進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方法拓展應用于多工況載荷約束下的結構優(yōu)化問題。該方法通過將所有子工況的目標函數(shù)值線性加權平均來構建結構優(yōu)化總的目標函數(shù)，很好的處理了各個工況之間的關系。利用α-方法解決了各個工況權值確定的問題，分層優(yōu)化技術有效地避免了“載荷病態(tài)”現(xiàn)象的發(fā)生。
　　同時，將IGA-BESO方法拓展應用于求解受周期性約束的結構優(yōu)化問題。該方法通過將整個結構劃分為晶胞單元的形式，滿足了周期性約束的