摘要：为求解多峰值、高度非线性桁架尺寸及形状优化问题,减少算法参数设置的盲目性,将Oracle罚函数与启发式算法相结合,提出可自适应处理约束列式的优化算法Ω-CMA-ES。该算法在处理各类复杂桁架优化问题时仅需设置一个参数Ω。测试算例表明,该算法对参数Ω具有良好的鲁棒性,可有效处理各类动态约束;且在探索全局最优解时体现出较高潜力,优化质量及收敛速度优于既有结果。

摘要：为提高离散桁架优化问题的计算效率,提出一种改进的离散差分进化算法。基于种群多样性自适应地选择变异策略以平衡探索和收敛能力,根据个体差异度和种群多样性缩减种群规模以减少计算量,在进行结构分析前舍弃较大的实验个体规避无用计算,并引入精英选择技术解决选择阶段目标个体和实验个体数量不等的问题,在此基础上,给出一种将数值之间的距离转化为概率的离散化方法,处理离散变量问题。实验结果表明,与IGA、DE等算法相比,该算法在保证最优解质量的同时,能够大幅减少结构分析次数。

摘要：通过对经典遗传算法的分析,建立桁架结构的优化设计模型,为防止遗传算法有海明悬崖,编码方式采用格雷码编码。另外针对遗传算法容易收敛到局部最优解的缺陷,提出了通过改变各变量相应初始界限值,通过十杆平面桁架的数值例题来验证了遗传算法的可行性和有效性。

摘要：阐述了遗传算法的特点和实现方法。针对遗传算法在优化进程中易陷入局部最优解的弱点,采用保护优良个体和改变参数设置的措施,通过桁架优化设计的例子加以证明。使遗传算法的搜索速度和能获得全局最优解的可靠性有所提高。

摘要：本文针对传统优化算法通用性差、效率不高,以及一些现代智能算法求解复杂优化问题收敛性不佳等问题,提出了一种基于微分演化算法的桁架优化设计新方法。最后通过对十杆桁架问题的求解,与传统的优化算法和遗传算法进行了比较。数值结果表明,微分演化算法收敛速度快,且结果更为精确。

摘要：研究应用计算机进行桁架结构优化设计中满应力齿行法的应用问题。目前满应力齿行法在同时考虑应力、位移以及压杆稳定性约束时,计算结果往往存在难以收敛的缺陷,导致方法在实际应用中效果不佳。为解决以上问题,提出从算法中的松弛系数设置入手,将满应力步和满位移步的松弛系数分开设置,通过合理设置该参数使得计算能较好地收敛,经实验证明:当考虑压杆稳定时,传统的松弛系数设置方法难以得到理想效果,而本文提出的设置方法能避免计算过程中的振荡现象,能得到较好效果。

摘要：文章进行了离散变量结构优化设计问题的分析;论述了蚁群算法原理;进行了该算法在桁架结构优化设计中的应用研究;进行了拓展该算法应用领域的尝试;建立了桁架结构的优化设计模型;通过例题来验证该算法应用的可行性和有效性。

摘要：将改进的序列线性规划法和SAP 2000最新推出的API功能相结合,两者互动对桁架进行优化。其数学模型以设定截面形式的杆件的面积和桁架节点坐标为设计变量,以结构的最小重量为目标函数,以杆件的强度、刚度、稳定性、构造要求以及结构整体挠度为约束条件。优化后结构重量降低13·81%,优化效果显著。

摘要：引力搜索算法是近几年提出的较有竞争力的群智能优化算法,然而,标准引力搜索算法存在后期收敛速度慢的缺点。为有效利用优化算法来解决结构优化的问题,提出一种改进的引力搜索算法(improved gravitational search algorithm,IGSA)。通过引入Logistic映射,使GSA初始种群遍历整个搜索空间,提高算法找出最优解的可能性。通过引入粒子群算法(particle swarm optimization,PSO)的信息交互机制,利用个体粒子历史最佳位置和种群历史最佳位置动态调整粒子的速度和位置,使个体粒子更快地向适应度值更高的位置移动,使算法搜索能力加强。对6个经典测试函数进行寻优,结果表明改进后算法收敛速度快,收敛精度高,稳定性较佳,跳出局部最佳解的能力较强。用IGSA和GSA对72杆空间桁架进行尺寸优化,与其他算法相比,结果表明IGSA得到最优值的迭代次数明显减少,得到的最优解明显优于通用算法。

摘要：将微种群遗传算法与基于启发式模式移动的局部寻优方法和Aitken Δ^2加速策略相结合，给出了一种加速微种群遗传算法．算法中利用Aitken Δ^2加速策略改进当前种群，利用基于启发式模式移动的局部寻优方法改进子代群体．利用3个数值优化算例测试了算法的性能，表明本文算法具有较好的收敛性和计算效率．最后将其用于桁架结构截面优化设计，10杆平面桁架和25杆空间桁架的优化结果表明，本文算法的计算精度和计算工作量均优于传统的遗传算法．