基于遺傳算法的桁架結(jié)構(gòu)形態(tài)設(shè)計(jì).pdf

1、拓?fù)鋬?yōu)化是當(dāng)前結(jié)構(gòu)優(yōu)化設(shè)計(jì)的研究熱點(diǎn)問(wèn)題，而桁架結(jié)構(gòu)因其應(yīng)用廣泛，內(nèi)力計(jì)算簡(jiǎn)單，而成為結(jié)構(gòu)優(yōu)化研究的首選對(duì)象。由于桁架的設(shè)計(jì)變量是離散的，而傳統(tǒng)的數(shù)學(xué)歸納方法對(duì)變量的要求較高，一般要求為連續(xù)的，并且要求目標(biāo)函數(shù)具有可導(dǎo)性，所以不適合解決此類問(wèn)題。針對(duì)離散變量的傳統(tǒng)結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法，局限性大，并且較易局部收斂，很難得到最優(yōu)解。由于遺傳算法對(duì)變量和目標(biāo)函數(shù)沒有苛刻的要求，并且具有較強(qiáng)全局搜索能力，所以將遺傳算法應(yīng)用在桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)中，可以

2、較好的解決傳統(tǒng)算法進(jìn)行桁架優(yōu)化時(shí)出現(xiàn)的由離散性和全局性帶來(lái)的難題。
　　本文利用遺傳算法在Fortran語(yǔ)言環(huán)境中對(duì)桁架結(jié)構(gòu)進(jìn)行了優(yōu)化設(shè)計(jì)。首先以桿件為染色體基因，通過(guò)平面桁架及空間桁架算例表明桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)較易實(shí)現(xiàn)，并且能夠有效的得到桁架的最優(yōu)解。針對(duì)目前運(yùn)用遺傳算法對(duì)桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)一般采用桿件單元作為染色體的基因，不僅會(huì)產(chǎn)生龐大的設(shè)計(jì)變量，而且在運(yùn)算過(guò)程中產(chǎn)生大量的機(jī)構(gòu)體系，降低運(yùn)算效率的情況，本文采用桿件組成的三角形作為

3、染色體基因，減少了設(shè)計(jì)變量的數(shù)量并有效地抑制了機(jī)構(gòu)體系的產(chǎn)生，較大幅度的提高了運(yùn)算效率。為進(jìn)一步提高運(yùn)算效率，本文還將桁架結(jié)構(gòu)的拓?fù)湫问?、桿件的截面積及桁架形狀作為遺傳算法操作的三種變量分別進(jìn)行了遺傳運(yùn)算，并且提出了多種變量并行設(shè)計(jì)的優(yōu)化方法，對(duì)兩種變量（拓?fù)浼敖孛娣e）及三種變量（拓?fù)?、截面積及形狀）進(jìn)行了并行設(shè)計(jì)。通過(guò)比較算例結(jié)果，表明并行設(shè)計(jì)方法不僅提高了進(jìn)化速度，而且較大程度提高了結(jié)構(gòu)適應(yīng)度，改善了算法進(jìn)化效率。
　　為滿足

4、結(jié)構(gòu)的功能要求，比如在精密儀器等自重作用下，結(jié)構(gòu)的上表面位移保持一致，尋求這樣約束條件下的桁架結(jié)構(gòu)形態(tài)也是桁架優(yōu)化設(shè)計(jì)中考慮的問(wèn)題之一。文中針對(duì)位移約束條件作為研究對(duì)象進(jìn)行了研究，證實(shí)了遺傳算法解決此類問(wèn)題的可行性。位移約束條件一般為在荷載條件下，變化桁架下弦桿結(jié)點(diǎn)的位置，使桁架的上弦桿的豎向位移保持相同，以保證桁架結(jié)構(gòu)滿足約束條件。本文分別對(duì)位移約束條件下的平面桁架及空間桁架進(jìn)行了優(yōu)化設(shè)計(jì)，算例表明，利用遺傳算法能夠有效的得到滿足約束