免疫遺傳算法研究及其在桁、框架結構優(yōu)化設計中的應用.pdf_第1頁
已閱讀1頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、結構優(yōu)化設計迄今已有近百年的歷史。在最近的四十年內,無論從其理論、算法還是在應用方面,結構優(yōu)化設計都取得了很大的進展。特別是近年來遺傳算法在結構優(yōu)化設計領域的廣泛應用,更使得結構優(yōu)化設計水平達到一個新的高度。 遺傳算法是一種模擬自然界生物進化的搜索算法,由于它簡單易行、魯棒性強,尤其是不需要專門的領域知識而僅用適應值函數(shù)作評價來指導搜索過程,因而成為近年來在優(yōu)化領域中受到廣泛關注的一種新型智能優(yōu)化方法。但是在利用遺傳算法進行結構

2、優(yōu)化設計時,常常存在早熟收斂和收斂性能差等問題。很多學者和研究人員都嘗試采取各種措施來改進遺傳算法,其中,近年來出現(xiàn)的免疫算法為改進遺傳算法的上述缺陷提供了一條新途徑。 本文嘗試利用免疫算法的相關理論對遺傳算法進行改進,并將改進后的算法應用到土建結構優(yōu)化設計當中。為此,本文做了如下工作: 1.首先介紹了遺傳算法的原理,分析了其缺陷及產生原因,進而根據生物免疫系統(tǒng)的抗原識別、保持抗體的多樣性和免疫記憶的特性,將免疫算法引入

3、到遺傳算法中。這樣就構成了一種混合優(yōu)化算法——免疫遺傳算法,它通過免疫算法中的濃度調節(jié)機制對抗體進行促進和抑制,這樣既保留了進化種群中的較優(yōu)抗體又保證了抗體的多樣性,從而避免遺傳算法在進化過程中的過早收斂問題。本文采取了一種基于抗體矢量距的濃度構成方式,對選擇概率進行了改進;此外本文還對遺傳算法中的交叉和變異概率進行了自適應調整,進一步提高了算法的效率和性能。 2.其次對結構優(yōu)化問題中的約束條件和離散變量問題提出了相應的處理方法

4、:采用一種直接比較比例法(DCPM)對約束條件進行處理;采用計算適應度的個體與進化個體相分離的方法來處理離散變量和整型變量。 3.然后綜合上述改進,應用免疫遺傳算法對經典的De Jong優(yōu)化測試函數(shù)和幾類有約束優(yōu)化問題分別進行了數(shù)值測試,并與其他算法的運算結果進行比較,分析結果表明,本文的免疫遺傳算法具有較強的全局尋優(yōu)能力、較高的穩(wěn)定性和計算效率。 4.最后將本文的免疫遺傳算法結合桿系結構有限元分析原理,分別對土建結構中

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論