結(jié)構(gòu)優(yōu)化設(shè)計(jì)中免疫克隆選擇算法的研究與應(yīng)用.pdf

1、結(jié)構(gòu)優(yōu)化設(shè)計(jì)按設(shè)計(jì)變量的類型可分為連續(xù)變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)和離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)，按照問題所定優(yōu)化目標(biāo)函數(shù)的個(gè)數(shù)又可分為單目標(biāo)優(yōu)化設(shè)計(jì)與多目標(biāo)優(yōu)化設(shè)計(jì)。結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題通常是多約束多自由度的非線性問題，算法的優(yōu)劣通常會(huì)直接影響優(yōu)化結(jié)果的好壞。因此，研究開發(fā)穩(wěn)健的算法并應(yīng)用于結(jié)構(gòu)優(yōu)化設(shè)計(jì)已成為土木領(lǐng)域的研究熱點(diǎn)。
　　 本文在基本的免疫克隆選擇算法理論的基礎(chǔ)上，針對不同類型的優(yōu)化設(shè)計(jì)問題提出了相應(yīng)的改進(jìn)措施，并將改進(jìn)的算法用于離散變量

2、結(jié)構(gòu)與連續(xù)變量結(jié)構(gòu)的優(yōu)化設(shè)計(jì)。研究工作主要包括以下幾點(diǎn)內(nèi)容：
　　 (1)原始的免疫算法由于沒有子代與父代抗體間的信息共享，隨著父代抗體的消失，它們所攜帶的有用信息也隨之丟失。針對上述問題，本文采用微分演化的突變機(jī)制改進(jìn)了原始的免疫克隆選擇算法，并讓父代與子代抗體進(jìn)行隨機(jī)多點(diǎn)交叉。讓父代與子代抗體進(jìn)行競爭，從而保證了優(yōu)良抗體的存活率?；谏鲜鏊枷?，改進(jìn)了免疫克隆選擇算法，提出了適用于求解連續(xù)變量單目標(biāo)優(yōu)化問題的方法(IICSAC

3、)。數(shù)值結(jié)果表明，IICSAC局部與全局尋優(yōu)能力強(qiáng)、收斂速度快、魯棒性好，可以有效地進(jìn)行連續(xù)變量桁架結(jié)構(gòu)的單目標(biāo)優(yōu)化設(shè)計(jì)。)
　　 (2)在離散變量優(yōu)化問題中，由于變量的取值只能在離散的數(shù)值集合中選取，采用與連續(xù)變量的編碼、突變與交叉方式處理離散變量問題，很難得到最優(yōu)解。針對上述問題，本文采用變量值在列表中的實(shí)數(shù)索引的排列作為變量的編碼，進(jìn)而對抗體進(jìn)行免疫操作，并采用二項(xiàng)錦標(biāo)競賽選擇的方法進(jìn)行抗體群更新?；谏鲜鏊枷?，提出了適用

4、于求解離散變量優(yōu)化問題的改進(jìn)的免疫克隆選擇算法(IICSAD)。數(shù)值算例表明，IICSAD可以有效地進(jìn)行離散變量桁架結(jié)構(gòu)的單目標(biāo)尺寸優(yōu)化設(shè)計(jì)。
　　 (3)在桁架結(jié)構(gòu)的形狀優(yōu)化設(shè)計(jì)中，不同類型變量的耦合作用通常會(huì)使算法很難收斂。針對此問題，本文綜合考慮了節(jié)點(diǎn)坐標(biāo)和截面面積等兩類不同性質(zhì)的設(shè)計(jì)變量。結(jié)合本文所提算法，可以有效地求解桁架結(jié)構(gòu)單目標(biāo)形狀優(yōu)化設(shè)計(jì)問題。
　　 (4)采用Pareto解集存儲(chǔ)器存儲(chǔ)并過濾每代中的非支

5、配抗體，將其中的抗體作為精英抗體加入中間抗體集，參予二項(xiàng)競標(biāo)競賽選擇。Pareto解集存儲(chǔ)器能有效地過濾擁擠的抗體，可以使非支配解均勻分布于最終求得的Pareto最優(yōu)前沿上。
　　 (5)將每一代的抗體按照兩個(gè)分支進(jìn)行突變與交叉，實(shí)現(xiàn)算法全局與局部尋優(yōu)能力的提升，結(jié)合上述思想提出了適用于多目標(biāo)優(yōu)化問題的免疫克隆選擇算法(IICSAM)，并結(jié)合測試函數(shù)對算法的收斂性進(jìn)行了分析。以結(jié)構(gòu)總重量最小以及控制節(jié)點(diǎn)位移最小為目標(biāo)函數(shù)，建立了