基于遗传算法的工程结构优化设计应用研究(3)

基于遗传算法的工程结构优化设计应用研究

国外建材科技　　　　　　　　　　　　　　　　2005年　第26卷　第3期

高度、最小含钢量等等构造要求,这类约束可以是≥类的不等式约束,也可以是≤类的不等式约束,有时称它为界限约束。在实际结构优化设计过程中,针对遗传算法的特点,将约束条件的影响通过罚函数法施加到适应度函数中。

4　算　例

如图1所示框架结构,各杆件均由2根热轧槽钢(GB707-88),各杆件截面可供选择的槽钢型号有:(5,6.3,8,10,12.6,14a,14b,16a,16b,18a,18b,20a,20b,22a,22b,25a,25b,25c,28a,28b,28c,32a,32b,32c,36a,36b,36c,40a,40b,40c),共30种,材料弹性模量E=200GPa,材料允许应力[ ]=120MPa,线位移最大允许值[!]=60mm,材料比重=7.8g/cm,受力情况如图所示:q=20kN/m。采用简单遗传算法和GA和自适应遗传算法AGA设计此结构初始参数设置见表1,优化结果如表2所示,优化进程如图2所示。

表1　初始参数设置

种群大小最大世代数染色体长度交叉率变异率

随机种子数

GA30200750.80.050.5

AGA3020075--0.

5

表2　框架结构优化结果

方法GAAGA

设计目标W/kg2219.882085.62

16.314b

225a14a

36.320b

420a18b

528a22b

主要设计变量X(型号)6789512.6

85

1025b

22a18b

1032b28b

1114a10

12516a

1312.65

1436c22a

1520b20b

3

图1　3层2跨框架结构图(单位:

mm)

图2　框架结构优化进程图

5　结　语

遗传算法是一种基于自然群体遗传机制的高效搜索算法,有很高的鲁棒性,其求解不依赖具体问题,优化能力有其明显优势。遗传算法作为一种与以往方法截然不同的新方法,为工程结构优化设计开辟了一条新思路,并且显示了高效性,将在许多实际问题中的应用会越来越广。

参考文献

[1]　玄光男[日],程润伟.遗传算法与工程设计[M].北

京:科学出版社,2000.

[2]　周双喜.影响遗传算法性能的因素及改进措施[J].电

力系统自动化,1996(7).

[3]　孙艳丰.大型复杂结构优化问题的遗传算法[J].北方

交通大学学报,1997.

[4]　张美恋.基于遗传算法和单纯形法的混合优化算法

[J].集美大学学报,2001.收稿日期:2005-04-14.

作者简介:陈　辉;南昌,江西省土木建筑设计事务所(330003).