摘要：该文将粒子群优化算法与有限元法结合,对板结构进行优化设计。采用映射函数法将离散变量按一定规律排序后,用离散值的序号代替其离散值进行搜索,从而将离散变量的优化问题转化为连续变量的优化问题。利用有限元方法结合粒子群方法开发了板结构优化模块,分别采用三种粒子群优化算法对三个算例进行了优化计算,计算结果表明:粒子群优化算法求解板结构的优化设计问题是有效可行的,而启发式粒子群算法是最有效的。

摘要：在细菌觅食算法(bacterial foraging algorithm,BFA)基本原理的基础上,结合"和声搜索"算法,提出了一种改进的细菌觅食算法,并应用于框架结构优化.采用该优化算法分别对一单跨8层框架和双跨5层框架结构进行离散变量的质量优化设计,并与细菌觅食算法的计算结果进行了比较.计算结果表明改进的细菌觅食算法应用在结构优化中具有较好的收敛速度和精度,可应用于工程结构的优化设计.

摘要：在快速群搜索优化算法QGSO(quick group search opti mizer)基本原理的基础上,提出了改进的快速群搜索优化算法——快速被动群搜索优化算法QGSOPC(quick group search opti mizer with passive congregation),并应用于结构优化设计.采用QGSOPC优化算法分别对空间结构进行离散变量的截面优化设计,并与QGSO优化算法、群搜索优化算法GSO(group search opti mize)和启发式粒子群优化算法(HPSO)的计算结果进行比较,结果表明改进的快速被动群搜索优化算法QGSOPC与QGSO算法、GSO算法和HPSO算法相比不但具有较好的收敛精度和更快的收敛速度,而且具有很好的稳定性.该算法可有效率地应用于实际结构的优化设计.

摘要：由于人工蜂群(artificial bee colony,ABC)算法存在收敛速度慢、易陷入局部最优的缺点,采用设置自适应缩放因子和基于适应度排序的选择方式代替传统的轮盘赌模型,提出了一种改进的快速人工蜂群算法(fast artificial bee colony,FABC).基于这种FABC算法对4个离散变量的几何优化模型进行了优化,并与遗传算法(GA)、蚁群算法(ACA)、启发式粒子群优化算法(HPSO)和群搜索算法(GSO)作了比较.结果表明,这种改进的人工蜂群算法具有较好的收敛精度.另外,ABC算法以及FABC算法结构简单,可应用在其他优化问题上.