粒子群和群搜索混合优化算法研究及其在杆系结构设计中的应用

论文摘要

针对现代智能优化算法特别是粒子群优化算法与群搜索优化算法这两种群体智能优化算法进行了研究,基于这两种群体智能优化算法,结合“和声搜索”优化算法,提出了一种新的混合智能优化算法,即粒子群搜索混合优化算法(PSGSO)。介绍了结构最优化问题的概念以及优化设计算法的发展历程,介绍了粒子群优化算法和群搜索优化算法的基本思想、基本原理和实现过程。详细说明了本文的研究内容,包括PSGSO混合优化算法的产生、原理、实现以及同“和声搜索”优化算法的结合。本文的PSGSO算法分别有三种类型,第一种类型是适用于设计变量是连续变量的算法；第二种类型是适用于设计变量是离散变量的算法；第三种类型适用于设计变量是混合变量的算法,也就是设计变量中包含了连续变量和离散变量。基于MATLAB平台,编写了PSGSO混合优化算法的主程序,并与有限元方法结合,将算法应用到多个经典的桁架结构截面优化设计算例中。对PSGSO混合优化算法的时问效率进行了研究,算例研究结果表明本文提出的PSGSO混合优化算法对较少的粒子数有着惊人的适应性,可以大大提高优化计算效率。将PSGSO混合优化算法应用于设计变量为混合变量的桁架结构形状优化设计,设计变量包括离散的截面变量和连续的几何变量,研究结果表明对于形状优化设计问题,该算法同样具有良好的收敛速度和收敛精度。

论文目录

• 摘要
• ABSTRACT
• 目录
• Contents
• 第一章 绪论
• 1.1 什么是结构最优化设计问题
• 1.2 最优化的重要意义
• 1.3 结构优化设计算法的发展概况
• 1.4 现代智能优化算法
• 1.5 本文的研究内容
• 1.6 本文的创新之处
• 第二章 粒子群优化算法与群搜索优化算法
• 2.1 粒子群优化算法（PSO）
• 2.1.1 粒子群优化算法的基本原理
• 2.1.2 粒子群优化算法的计算流程
• 2.2 群搜索优化算法（GSO）
• 2.2.1 群搜索优化算法的基本原理
• 2.2.2 群搜索优化算法的计算流程
• 第三章 粒子群搜索混合优化算法
• 3.1 粒子群搜索混合优化算法原理
• 3.2 约束条件处理技术
• 3.2.1 约束优化问题
• 3.2.2 约束处理方法
• 3.2.3 本文算法采用的约束处理方法
• 3.3 粒子群搜索混合优化算法的计算流程
• 3.4 离散变量的粒子群搜索混合优化算法
• 第四章 桁架结构截面优化设计应用（连续变量）
• 4.1 引言
• 4.2 桁架结构截面优化设计算例（连续变量）
• 4.2.1 算例一: 10杆平面桁架
• 4.2.2 算例二: 17杆平面桁架
• 4.2.3 算例三: 25杆空间桁架
• 4.2.4 算例四: 72杆空间桁架
• 4.3 本章小结
• 第五章 桁架结构截面优化设计应用（离散变量）
• 5.1 引言
• 5.2 桁架结构截面优化设计算例（离散变量）
• 5.2.1 算例一: 10杆平面桁架
• 5.2.2 算例二: 15杆平面桁架
• 5.2.3 算例三: 25杆空间桁架
• 5.2.4 算例四: 52杆平面桁架
• 5.2.5 网壳结构截面优化设计应用
• 5.3 本章小结
• 第六章 粒子群搜索混合优化算法时间效率分析
• 6.1 算法效率分析
• 6.2 算法时间效率分析算例
• 6.2.1 算例一: 10杆平面桁架
• 6.2.2 算例二: 15杆平面桁架
• 6.2.3 算例三: 25杆空间桁架
• 6.2.4 算例四: 52杆平面桁架
• 6.2.5 算例总结
• 6.3 本章小结
• 第七章 桁架结构形状优化设计应用（混合变量）
• 7.1 引言
• 7.2 桁架结构形状优化模型
• 7.3 桁架结构形状优化设计算例（混合变量）
• 7.3.1 算例一: 4杆空间桁架
• 7.3.2 算例二: 15杆平面桁架
• 7.3.3 算例三: 25杆空间桁架
• 7.4 本章小结
• 结束语
• 参考文献
• 攻读学位期间发表的相关学术论文
• 致谢