自適應(yīng)微型遺傳算法在動態(tài)本構(gòu)參數(shù)反演中的應(yīng)用.pdf

1、遺傳算法是模擬生物進(jìn)化理論的仿生學(xué)方法中最重要的算法之一,近年來在計(jì)算機(jī)科學(xué)和優(yōu)化反演中受到廣泛關(guān)注,它具有很強(qiáng)的普遍適應(yīng)性和數(shù)值計(jì)算穩(wěn)定性。與傳統(tǒng)的優(yōu)化算法相比,在全局優(yōu)化、復(fù)雜設(shè)計(jì)區(qū)域、復(fù)雜目標(biāo)函數(shù)及易用性等方面都顯示出了其優(yōu)越性。然而,遺傳算法畢竟是一門較新的學(xué)科,無論是在理論上還是在實(shí)現(xiàn)上都有許多不完善的地方。因此,不斷對遺傳算法加以研究和改進(jìn),使其更加適用于工程實(shí)際需要,以便更好的、更充分的發(fā)揮遺傳算法的性能和特點(diǎn)是非常必要的

2、。
　　 本文主要完成了以下幾個方面的工作:
　　 (1)基于遺傳算法的基本原理和設(shè)計(jì)理念,針對微型遺傳算法的缺陷和不足,將自適應(yīng)策略和微型遺傳算法相結(jié)合,使其交叉概率和變異概率可以根據(jù)當(dāng)前種群中個體適應(yīng)度的大小自適應(yīng)變化,提高算法的搜索速度和收斂性能。
　　 (2)基于新算法的思想,對三桿和十桿這兩種典型的桁架結(jié)構(gòu)進(jìn)行了優(yōu)化,并對新算法的優(yōu)化結(jié)果與微型遺傳算法、精確解及文獻(xiàn)結(jié)果進(jìn)行了對比分析,算例分析表明該程序

3、用于連續(xù)與離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)是可行的和有效的。新的自適應(yīng)微型遺傳算法比微型遺傳算法有更好的收斂特性,迭代次數(shù)減少,優(yōu)化設(shè)計(jì)結(jié)果也好于微型遺傳算法。
　　 (3)本文以Johnson-Cook本構(gòu)模型描述的OFHC材料為例,將自適應(yīng)微型遺傳算法與有限元分析模型相結(jié)合,編制反求程序并實(shí)現(xiàn)兩者之間的數(shù)據(jù)交互,達(dá)到對JC動態(tài)本構(gòu)參數(shù)進(jìn)行反演的目的。算例結(jié)果表明,本文中所使用的反求方法的原理是正確的,方案是可行的,符合實(shí)際工程的需要,能