工程结构优化的群体智能算法

论文摘要

随着社会向节约型社会的转变,使得各种优化被提上日程,工程结构优化是其中一个重要的方面。随着电子计算机的发展使得以前不能实现的工程结构优化,在现在变得可能实现,而传统的优化方法由于实施上的限制不能够满足现代计算的要求,而群体智能算法的出现使得一些工程结构优化的应用变成可能。群体智能算法是以群体为基础的多点随机搜索算法,它包括进化算法、免疫算法、粒子群算法、蚁群算法、人工鱼群算法等典型智能算法。群体智能算法具有较强的鲁棒性和较强的全局搜索能力与局部搜索能力以及隐含有并行性,而且对于目标函数及约束函数无特殊的要求,具有“黑匣子”的功能,能够克服传统的优化方法不足。群体智能算法具有较大的发展空间,具有丰富的表现形式,它们之间有着本质的联系,使得他们之间能够很好的融合。本文旨在于介绍将群体智能算法的实现及将其应用于工程结构优化设计,为将群体智能算法服务于工程结构优化提供参考。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 工程结构优化概述
• 1.1.1 结构优化设计的内容
• 1.1.2 工程结构优化设计的方法
• 1.1.3 结构优化设计的主要特点
• 1.1.4 传统的结构优化设计不足
• 1.2 群体智能算法概述
• 1.2.1 传统最优化方法
• 1.2.2 群体智能优化方法
• 1.2.3 群体智能算法分类
• 1.2.4 群体智能优化算法的优点
• 1.2.5 群体智能算法性能的改善
• 1.3 本文主要内容
• 第2章 典型群体智能算法
• 2.1 进化算法
• 2.1.1 进化算法概述
• 2.1.2 遗传算法
• 2.1.3 进化策略
• 2.1.4 进化规划
• 2.1.5 三种典型进化算法的比较
• 2.2 免疫优化算法
• 2.2.1 免疫算法基本概念
• 2.2.2 基本免疫算法
• 2.2.3 克隆选择算法
• 2.2.4 免疫算法的特点
• 2.3 粒子群优化算法
• 2.3.1 粒子群优化算法概述
• 2.3.2 基本粒子群算法
• 2.3.3 基本粒子群算法参数选择
• 2.3.4 粒子群算法的特点
• 2.4 人工鱼群算法
• 2.4.1 人工鱼群算法概述
• 2.4.2 基本人工鱼群算法
• 2.4.3 鱼群算法的特点
• 2.5 蚁群优化算法
• 2.5.1 蚁群优化算法概述
• 2.5.2 基本蚁群算法
• 2.5.3 参数选择
• 2.5.4 蚁群算法的特点
• 第3章 群体智能算法的实现技术
• 3.1 群体智能算法的一般结构形式
• 3.1.1 群体智能算法的组成
• 3.1.2 群体智能算法的一般框架
• 3.2 群体智能算法的编码
• 3.2.1 进制类编码
• 3.2.2 格雷码编码
• 3.2.3 符号编码
• 3.2.4 浮点数编码
• 3.2.5 顺序编码
• 3.2.6 结构编码
• 3.2.7 编码的选择及评估
• 3.3 群体智能算法的评价函数
• 3.3.1 一般评价函数
• 3.3.2 约束条件的处理方法
• 3.3.3 评价函数的变换
• 3.4 群体智能算法的群体算子
• 3.4.1 进化算子
• 3.4.2 人工免疫算子
• 3.4.3 群集智能算子
• 3.4.4 多群体算子
• 3.4.5 其它算子
• 3.5 群体智能算法的其他相关函数
• 3.6 群体智能算法的设计
• 3.6.1 设计群体智能算法的基本原则
• 3.6.2 设计群体智能算法的基本步骤
• 3.7 群体智能算法的高级实现
• 3.8 群体智能算法的设计实例
• 第4章 群体智能算法应用工程结构优化实例
• 4.1 群体算法应用于结构优化设计的实现
• 4.1.1 群体算法应用于工程结构优化的应用步骤
• 4.1.2 群体算法的应用于工程结构优化的方法
• 4.1.3 遗传算法对结构优化的实现
• 4.2 一般截面优化实例
• 4.2.1 平面十杆截面优化
• 4.2.2 空间二十五杆截面优化
• 第5章 结论与展望
• 5.1 结论与展望
• 参考文献
• 作者简历