一、Application of Modified Genetic Algorithm to Optimal Design of Supporting Structure（论文文献综述）
陆伊宁[1]（2021）在《混凝土桥梁施工复杂支撑体系安全评价及优化方法研究》文中提出为了适应桥梁向大跨、高空方向发展的趋势,由满堂支架、贝雷梁以及钢管柱组成的混凝土桥梁施工复杂支撑体系以其承载能力大,适应性强,搭设简便以及可重复利用等优点,在混凝土现浇桥梁施工中被广泛应用。但桥梁施工复杂支撑体系构件繁多、结构复杂,并且没有具体的设计标准和规范,在设计时如何实现安全性和经济性的双赢,是值得探索和研究的问题。本文采用理论研究、数值模拟和机器学习相结合的方法,对混凝土桥梁施工复杂支撑体系的安全综合评价以及结构优化方法进行研究,主要开展了以下研究工作:（1）针对桥梁施工复杂支撑体系的传力模式和受力特点进行分析,建立安全综合评价指标体系,提出综合安全度的概念作为结构安全储备定量评价结果,采用客观赋值法中的熵权法确定指标权重,并引入指标间冲突性对权重进行修正,建立了桥梁施工复杂支撑体系安全综合评价模型。（2）提出了基于支持向量机近似模型和遗传算法的结构优化方法,对遗传算法基本概念和步骤进行研究,采用罚函数法解决了遗传算法在有约束优化问题中的局限性,研究了支持向量机回归算法原理,以及训练样本选取、参数选择优化方法,提出了支持向量机构建结构近似模型的方法,以此代替遗传算法在结构优化中大量的有限元计算。（3）基于结构优化设计基本理论提出了桥梁施工复杂支撑体系优化方法,以结构总用钢量为目标函数,以各构件截面尺寸为设计变量,将结构综合安全度达到某一目标值以及各构件应力或位移满足安全要求为约束条件,建立了复杂支撑体系优化数学模型,研究了采用基于支持向量机近似模型和遗传算法的优化方法求解优化模型的步骤。（4）某斜拉桥主梁现浇施工采用由满堂支架、贝雷梁和钢管柱组合成的复杂支撑体系,对其进行安全评价和结构优化,得到原始设计参数下的综合安全度为2.51,安全储备较充足,存在一定优化空间,以综合安全度达到2.0时总用钢量最少为优化目标,优化后结构的综合安全度为2.09,相对于原始设计,总用钢量降低了20.99%,表明该桥梁施工复杂支撑体系优化方法可以使结构在保持一定的安全储备情况下达到最优经济用量。
徐培东[2]（2021）在《基于改进狼群算法的桁架结构优化研究》文中研究说明结构优化设计是在满足规范要求和特定要求的限制下,能够合理的设计结构,从而使重量、刚度、造价等达到更优的设计方案。通过对结构构件进行优化不仅可以大大降低结构的重量和成本,而且还有助于改进结构的强度、刚度等,提高结构性能。桁架结构具有材料综合利用率高、质量相对较轻、承载能力强、施工方便、装配性好、可被循环利用等诸多优点,已被广泛应用于我国建筑工程结构中。因此,桁架结构优化方法对结构优化设计具有重要意义。随着结构形式的日趋复杂,传统的结构优化设计方法在求解时的计算精度和收敛速度等已经不能完全满足实际工程的需要。近年来逐渐发展出现的计算智能优化算法已经开始应用于结构智能优化中,并取得了较好的优化结果。狼群算法是一种新型、具有较强寻优能力的智能计算方法,但在传统的狼群算法中,经常出现陷入局部最优和低精度等算法常见的问题。为找到一种更有效的结构优化方法,本文提出一种基于自适应步长和莱维飞行策略的改进狼群算法,并将改进后的狼群算法与桁架结构优化设计相结合,希望为桁架设计人员提供一种新的计算方法和设计思路。狼群算法的具体改进方法如下:首先,在狼群初始化过程中加入一个随机扰动因子,扩大搜索的随机性,提高全局寻优性能;其次,在探狼执行游走行为时,采用莱维飞行随机游动的搜索策略,使算法后期搜索的更充分,搜索能力得到提高;最后,在猛狼执行奔袭的过程中引入自适应步长策略,通过自适应步长的合理变化,实现算法的自适应调节,既提高了搜索精度也缩短了找到最优解的时间。为验证改进后狼群算法的可靠性,将其运用到求解旅行商的问题中,分析结果表明,改进算法具有更高的可靠性。将改进狼群算法与经典桁架结构算例优化设计相结合,桁架结构的横截面积作为基本优化变量,结构的整体重量作为桁架优化设计的目标函数,构建结构的基本数学模型,并利用经过改进后的狼群算法对其进行优化求解,将其优化结果与其他优化算法进行比较。分析表明,改进后的狼群算法在处理桁架优化问题更有效,可达到为结构减重的结果。该方法为结构优化问题提供了一种新的解决方案。
魏博凯[3]（2021）在《非晶合金干式变压器优化设计方法与系统研究》文中研究指明非晶合金配电变压器具有低空载损耗的特性,属于变压器领域中较为理想的节能型产品。与常规硅钢片铁心变压器相比,非晶合金铁心变压器的设计成本较高。另外,传统的变压器采用手工设计方法,自动化程度不高、设计工作量大且周期长,难以获取高效节能低成本设计方案。针对目前非晶合金变压器设计中存在的问题,本课题以降低非晶合金变压器主材成本与总损耗为目标,采用智能算法对其进行单目标与多目标优化,并结合市场需求设计了一套基于智能算法的非晶合金干式变压器优化系统,提高了优化设计效率。本文主要研究工作如下:（1）研究了非晶合金干式变压器传统的手工设计方法,构建了非晶合金干式变压器设计流程,介绍了变压器铁心与绕组相关的电磁参数、结构参数以及性能参数的工程计算方法,为目标函数与优化变量的选取提供参考。（2）构建了非晶合金干式变压器单目标与多目标优化计算模型,选取变压器主材成本与总损耗为优化目标函数。介绍了单目标遗传算法（GA）与多目标NSGA-Ⅱ的基本理论,综述了GA与NSGA-Ⅱ在非晶合金干式变压器优化设计中存在的不足,并对其提出了相应的改进策略。提出了混沌遗传算法（CGA）、自适应遗传算法（AGA）、混沌自适应遗传算法（CAGA）与改进的NSGA-Ⅱ在非晶合金干式变压器单目标与多目标优化模型的实现方法,为软件系统的优化算法程序设计提供参考。（3）基于变压器电磁设计与优化算法理论,结合软件系统功能与用户需求,采用Visual Basic 6.0软件平台设计与开发了一套基于智能算法的非晶合金干式变压器优化系统。通过软件系统交互接口设计,实现优化系统与其它软件的交互连接。（4）研究了GA、粒子群算法（PSO）与差分进化算法（DE）的寻优能力与运行速度。仿真计算结果表明,GA更适用于非晶合金干式变压器优化设计。在此基础上,将CAG、AGA、CAGA与改进的NSGA-Ⅱ对SCLBH15-315/10型非晶合金干式变压器进行单目标与多目标优化。实例优化结果分析表明:在单目标优化设计中,CAGA优化效果最佳,CAGA能极大地降低变压器主材成本与改善其损耗性能;在多目标优化设计中,改进的NSGA-Ⅱ在节材与节能的基础上能获取更多Pareto前沿解,为变压器制造厂家提供更多的优化方案。通过对优化系统的执行时间与优化效果分析,验证了优化系统的实用性与高效性;
刘亚鹏[4]（2021）在《基于并行优化算法的结构优化设计系统研究》文中研究说明机械结构优化设计经常面临设计变量多、约束条件复杂等难题,为典型的多维、非线性问题,求解过程复杂,常规局部优化算法（比如序列二次规划法、内点法、有效集法、信赖域法等）通常很难求得全局最优解,而全局群智能优化算法则计算效率偏低。本文针对机械结构优化设计中常用的全局群智能优化算法（以遗传算法和粒子群算法为例）存在的不足,提出了一种改进的遗传算法和一种改进的粒子群算法;结合并行算法策略,进一步设计了一种基于并行优化策略的结构优化设计策略,结合改进的遗传算法和改进的粒子群算法,提出了一种并行式改进遗传算法和并行式改进粒子群算法;最后开发了相应的系统,并进行算例验证。具体研究工作如下:针对传统遗传算法存在的收敛结果不稳定、迭代寻优的效率较低等缺陷,本文对传统遗传算法过程进行了适当的改进。首先,采用基于正态分布的交叉算子和基于自适应度变化的变异算子,提高了遗传变异过程中寻优的效率。其次,对原优化问题的约束条件使用内点罚函数法进行处理,形成新的目标函数。新函数的定义域将包含原来的约束,这样就可以较好地解决一般遗传算法在处理有约束条件的优化问题时存在的寻优效率低、最优解受约束条件处理程度影响较大等缺陷。针对传统粒子群算法在求解过程中容易出现的早熟、粒子多样性差等缺点,本文采用精英策略的外部档案集、逐渐减小的惯性权重和领域变异的方法对传统粒子群算法做出改进。并使用五个典型基准算例验证了本文所提方法的有效性。针对群智能优化算法计算效率偏低问题,结合群智能优化算法天然的可并行性,本文提出了一种基于粗粒度的多进程并行策略,针对结构设计需优化的参数特点,对初始种群进行处理,并给每个子种群单独分配进程进行独立的迭代寻优过程。结合上面提出的改进遗传算法和改进粒子群算法,基于粗粒度多进程并行策略,本文进一步提出一种并行式改进遗传算法和一种并行式改进粒子群算法。最后通过五个典型基准算例验证了本文所提方法的计算效率及计算精度。为方便机械结构优化设计应用,本文采用Qt Creator平台及Python语言开发了一套结构优化设计系统,该系统设计了与ANSYS有限元分析软件的交互接口,以方便开展实际结构的优化设计。最后,采用十杆桁架结构优化设计问题以及汽车侧面碰撞响应面模型结构优化问题验证了本文所提算法及所开发系统的工程适应性,结果表明本文所提算法和所开发的系统具有一定的工程应用价值。
钟昌廷[5]（2020）在《基于智能优化算法的工程结构可靠度研究》文中指出在结构的设计和风险分析中,需要考虑与尺寸、荷载、材料性能等有关的各种不确定性的影响,可靠性分析是考虑这些不确定性的一种非常有效的技术,其主要任务是获得结构的失效概率。在可靠性分析的各种数值方法中,一阶可靠度法（FORM）是结构可靠性界非常流行的方法。然而,在求解具有高度非线性极限状态函数的高维问题时,一阶可靠度法通常会遇到不收敛或发散的情况。这一困难限制了一阶可靠度法在工程和复杂问题中的进一步应用。针对高非线性和高维可靠性分析问题,提出了四种基于不同群智能优化算法来改善一阶可靠度法的性能,并在复杂工程结构中进行了应用。本文主要工作如下:（1）提出了一种结合樽海鞘群算法（SSA）和一阶可靠度法的可靠性分析混合方法。SSA算法受深海樽海鞘群体食物搜索行为的启发,能够在优化问题中找到全局解。在所提出的SSA-FORM方法中,利用外部惩罚函数法来处理约束条件,以方便元启发式优化策略。然后,利用具有较强全局寻优能力的SSA算法寻找全局最优可靠指标。使用了8个算例对SSA-FORM方法进行了验证,并比较了多种基于梯度和基于启发式的改进一阶可靠度法。结果表明,所提出的SSA-FORM在非线性问题上有良好的性能。（2）提出了一种结合栗翅鹰优化（HHO）的改进一阶可靠度法用于高维问题的可靠度分析。HHO是一种模仿栗翅鹰捕食行为的元启发式算法,能有效地求解高维问题的全局最优解。为了实现所提出的HHO-FORM算法,首先根据形式理论将可靠性指标表示为约束优化问题的解。然后,利用外部罚函数法对约束条件进行处理。此外,最优可靠性指标由栗翅鹰优化算法确定,该优化通过基于种群的机制和莱维飞行策略加速收敛。HHO-FORM不需要极限状态函数的导数,从而减少了高维问题的计算负担。因此,HHO-FORM的简单性大大提高了求解高维可靠性问题的效率。将HHO-FORM应用于多个高维数值问题,并将其应用于一个高维框架结构可靠度分析。并将几种FORM算法与HHO-FORM进行了比较。实验结果表明,HHO-FORM算法在所测试的高维问题上有着良好的性能。（3）提出了一种基于教学优化的改进一阶可靠度法（TLBO-FORM）。TLBO的灵感源于课堂内教师学生的学习行为,以提高学习成绩作为优化目标。TLBO-FORM算法利用一阶可靠度理论将可靠性指标表示为一个约束优化问题的解。然后,采用外部罚函数法对优化问题进行约束处理。之后,采用TLBO的教师和学习两阶段策略,通过迭代过程寻找全局最优可靠指标。另外,还发展了多个版本的混沌TLBO-FORM方法。通过19个可靠度算例对所提算法进行测试,验证了所提方法的准确性和有效性,充分说明了TLBO-FORM能够在不同类型和各维度问题上的适用性。另外,通过参数讨论,说明了TLBO-FORM比HHO-FORM有着更好适应性的原因。（4）提出了采用平衡优化算法（EO）来改进一阶可靠度法进行结构可靠度分析。EO的灵感来源于用于评估动态和平衡状态的控制体积-质量平衡模型。为了实现EO-FORM算法,将可靠性指标表示为一个约束优化问题的解,而约束则由外部罚函数法处理,然后利用EO算法搜索全局可靠性指标。通过多个数值和工程算例对所提出的EO-FORM进行了验证,结果表明EO-FORM在各类问题中具有良好的精度和效率。最后给出了四种改进FORM方法求解不同类型可靠度问题的使用建议。（5）研究了大型复杂工程结构的可靠度分析,三个工程结构分别为布洛溪大桥、测地线空间网架穹顶结构、三维岩质边坡,并测试了第二章至第五章所提的SSA-FORM、HHO-FORM、TLBO-FORM、EO-FORM方法的性能,且分别设置了不同大小的算法参数进行性能对比。在布洛溪大桥结构可靠度分析中,TLBO-FORM在算法参数较小的时候性能最佳,EO-FORM则在算法参数较大时性能最佳。在测地线空间网架穹顶结构可靠度分析中,EO-FORM和SSA-FORM表现最好。在三维岩质边坡可靠度分析中,TLBO-FORM的性能最好,EO-FORM在算法参数较大时全局收敛性较好。结果表明,本论文所提方法可用于复杂工程结构可靠度分析中。（6）研究了新型带暗支撑组合核心筒结构的可靠度分析。首先基于编号为CW3X-1的核心筒低周往复实验结果,采用Open SEES软件对组合核心筒结构进行有限元分析。然后,考虑各种因素（荷载、混凝土与钢筋材料性能）的变异性和不确定性,计算新型核心筒结构的可靠指标,评估结构安全性能,并讨论了在不同轴压比、高宽比、连梁跨高比、墙肢钢板暗支撑含钢率、加载方式等因素对可靠指标和失效概率的影响。之后,采用本文所提智能优化FORM方法,评估了随机变量对可靠指标的参数敏感性。
王力凯[6]（2020）在《基于性能的建筑体量设计生成及优化系统》文中研究说明为了进一步挖掘计算机智能技术在辅助建筑设计,尤其是改善建筑性能方面的潜力,近年来许多研究者和建筑师开始关注“运算设计优化”（computational design optimization）技术对面向性能的建筑设计的辅助作用。其中针对建筑体量设计,不少研究者通过将参数化建模（parametric modelling）、优化算法（optimization algorithms）和性能模拟工具（performance simulations）三者结合,搭建了整合建筑体量设计生成、分析和优化过程的“设计优化运行流程”（design optimization workflows）,这为基于性能的建筑体量设计生产及优化提供了可行的技术路径和方法基础。采用这种技术路径的设计方法被称之为“基于性能的设计优化”（performance-based design optimization）。虽然一些研究结果显示,这种新的设计方法在建筑性能改善方面可以发挥一定的效用,但在实际应用中,基于这类新技术的优化系统的适用性一般较低,是一种高投入、低回报的计算机辅助建筑设计技术。一方面,建筑师在使用基于性能的设计优化时需要付出大量的时间和精力进行设计优化运行流程搭建及操作工作。另一方面,优化过程及优化结果的信息反馈仅能提供十分有限的设计信息,无法为建筑师的设计构思和深化推敲提供有效的参考和支持。因此,本研究将聚焦于上述两个问题,即如何整合优化系统的使用流程,以及如何提高设计优化输出结果的多样性。相应地,本研究在相关领域研究进展的基础上,以实现一种更符合建筑师在方案阶段设计可能性探索需求的计算机辅助设计方法,及其支持该设计方法必要的工具为目标,提出了一个集成化的建筑体量设计生成及优化系统（Performance-based Building Massing Design Generation and Optimization System,简称PBMDGO系统）,并以此进一步探索建筑体量设计在建筑性能改善方面的潜力。在开发PBMDGO系统的同时,本研究也探索了应对现有技术和方法局限性的解决策略和技术工具。本研究在常规设计优化运行流程（生成-分析-优化）的基础上进行了再设计,并在Rhino-Grasshopper平台下开发了面向一般性建筑体量性能设计优化问题的通用系统,即PBMDGO系统。基于再设计的运行流程的PBMDGO系统,一方面简化了优化运行流程的搭建和操作工作,另一方面增强了优化过程及优化结果的设计信息反馈程度。为实现上述系统功能,研究继续针对再设计的运行流程中的设计生成器（即建筑体量设计生成模型）,以及优化问题求解器（即优化算法）进行了适用性改造、重新开发和算法实现,并实现一个基于体量削减（“减法”）和体量叠加（“加法”）的建筑体量生成模型,以及一个兼顾“探索+挖掘”性的“多岛稳态遗传算法”（Steady-state Island Evolutionary Algorithm,SSIEA）。基于上述的生成模型和SSIEA算法,建筑师可以结合其他第三方性能模拟工具快速搭建面向设计优化运行流程,即不同性能目标的定制PBMDGO系统。为了考察PBMDGO系统在辅助建筑师进行设计优化和设计探索方面的效用,研究基于PBMDGO系统对不同设计条件和性能优化目标的设计问题进行了对比设计优化试验。结果显示,PBMDGO系统能够通过设计优化过程为针对不同性能目标和设计条件下的设计问题提供具有任务针对性的优化结果。此外,相较于其他设计优化运行流程,例如基于简单建筑体量生成模型或自由形态生成模型等,PBMDGO系统输出的基于正交几何的设计变体具有更清晰可辨的体量形态信息。另一方面,相较于基于多目标帕累托优化（multi-objective Pareto optimization）输出的混合了多种性能因素的设计优化结果,基于单目标的PBMDGO系统提供的优化结果则具有明确的性能指向性。PBMDGO系统回应了建筑师在方案阶段设计探索和设计优化的动态需求,能够为建筑师从“发散性探索”到“收敛性挖掘”的设计综合（design synthesis）过程提供反映建筑性能改善和建筑体量形态特征的设计信息反馈,同时也在一定程度上避免了由人的主观经验带来的设计固着（design fixation）,进而帮助建筑师实现一种“性能信息驱动的设计”（performance-informed/aware design）。因此,本研究提出的基于性能的建筑设计生成及优化过程,关注的并非是单向的设计辅助或者设计控制,而是更深层次的双向设计协作。从这点出发,PBMDGO系统也可以被视为一个独立和外化于“人类设计师”（human designers）,但同时又能与人类设计师（建筑师）协同进行设计工作的“机器设计师”（machine designers）。在这样的“人-机协同设计过程”（human-machine co-evolution design synthesis process）中,建筑师的设计综合能力将得到质的提升。在当前不断增强的数字化和智能化条件下,本研究提供了一种面向建筑性能的新设计方法,这将进一步推动“性能驱动的建筑”（performance-driven architectural design）的设计范式进程。本文正文共约118000字,图表233幅,代码约8300行。
柯力[7]（2020）在《钢质夹层板上层建筑结构防护性能优化及抗爆试验研究》文中进行了进一步梳理水面舰船作为各国在海洋领域扞卫主权和对敌作战的主要军事力量,需要应对来自空中打击和水下武器袭击的威胁。因此,对舰船结构防护性能的要求不断提高,开展新式防护结构的设计应用已成为提升舰船生命力和结构安全性的重要途径。而国内在钢质夹层板舰船结构方面的研究还处于预研阶段,离实船应用还有一定的距离。要成功实现实船设计应用,必须开展全面系统的研究工作,充分掌握夹层板结构的力学性能、功能特点和防护性能,突破加工建造技术瓶颈等瓶颈问题,这对提高我国舰船结构设计水平、舰船生命力、战斗力具有重要意义。本文依托海装预研项目,以上层建筑为研究对象,对钢质夹层板结构在远场爆炸载荷作用下的防护性能进行优化。基于机器学习方法开发参数化优化算法程序,确定夹层板优化结构尺寸参数,并应用到上层建筑局部结构中;利用优化后的结构开展夹层板空中核爆模型试验研究,分析夹层板结构的动态响应特点,验证仿真分析技术;考虑材料塑性力学行为,分析钢质夹层板结构在远场爆炸平面冲击波作用下的塑性动力响应,建立结构变形的解析预报方法,并确定其适用范围;系统讨论主要爆炸参数和结构参数对夹层板结构抗爆性能的影响规律。具体内容包括:（1）介绍了空中爆炸冲击波的基本理论和冲击波的反射现象,给出了空中爆炸冲击波的计算方法,并梳理了冲击载荷作用下刚塑性材料结构响应的基本理论,为后续研究工作提供了基础。（2）以上层建筑为研究对象,确定了相关替代设计原则和方法,形成了钢质夹层板上层建筑局部结构替代设计方案;明确了优化目标,开发了基于机器学习的结构优化程序,对钢质夹层板结构进行优化计算,确定了较优的夹层板结构尺寸组合。（3）开展了空中远场爆炸模型试验设计,明确了试验目的,介绍了爆炸试验系统,基于优化确定的尺寸参数,充分考虑芯层高度、连接结构的影响,加工制备了钢质夹层板结构模型,在此基础上,设计了加工约束结构并确定了试验方案,为后续爆炸试验提供了技术支撑。（4）开展了空中远场爆炸模型试验,获得了不同强度平面冲击载荷作用下结构的整体损伤变形情况以及关键测点的加速度和动态应变,讨论了芯层高度、连接结构对夹层板防护性能的影响。平面冲击波作用下,夹层板芯层在边界区域变形量较大,在中心区域变量较小。（5）基于爆炸试验压力波数据拟合得到了平面冲击波经验公式,以此为基础,开展了爆炸试验数值仿真分析,与试验结果比较验证了仿真分析技术。分析了钢质夹层板结构在平面冲击波作用下的变形特点,推导得到了结构变形的解析预报方法及其适用范围,并系统讨论了结构损伤变形机理和参数影响规律。
海理[8]（2020）在《基于遗传算法的工业直流变压器电磁参数优化设计》文中进行了进一步梳理工业直流变压器是直流冶炼系统中的核心设备,是将电网交流电通过变压、变流,转化为低电压、大电流、调压范围大的直流电输送至短网,其运行损耗的高低直接影响用户的用电费用和冶炼效率,而生产材料成本是生产厂家一直关注的问题。在工程上,工业直流变压器电磁参数的设计主要是由实践经验丰富的工程师借助Excel表格、VB程序来完成手工计算,每次计算的结果不能自动保存。这种缺少一些智能控制算法的计算方式,使得计算的结果具有很强的随机性,耗费大量的时间,不能保证设计结果是最优的方案。因此,利用智能控制算法完成对工业直流变压器的电磁参数优化设计具有十分重要的意义。本文根据变压器电磁设计理论,引入并改进遗传算法,在满足用户需求、安全运行的情况下,以期实现工业直流变压器制造成本降低、运行损耗减小的双重目标,主要内容如下:首先,介绍了矿热炉直流冶炼系统和其主要组成部分,分析三相桥式整流电路的工作原理、电路参数计算,阐述工业直流变压器的基本原理,完成总体结构布置;然后,分析用户参数需求,进行各绕组容量、电压、电流关系的计算和铁芯直径、匝数、器身结构、绕组参数及其绕制方式的选取,对计算结果中磁通密度、电流密度、空载损耗、负载损耗、重量和温升等参数进行考核,并分析各参数对运行损耗、制造成本的影响,借助Excel完成工业直流变压器电磁参数初始方案设计;最后,引入遗传算法完成工业直流变压器的电磁参数优化设计,并对遗传算法进行改进。对优化变量进行取整或取特殊值的整数倍,减小计算误差;不同进化阶段采用不同的交叉率、变异率,保证种群多样性且不会出现过早的收敛至局部最优解;对多目标优化函数利用线性加权法设置权重ωi（i=1,2）,从而转化成单目标优化,简化计算难度,而权重的计算是根据工程师基于Excel计算的电磁参数中运行损耗值和制造成本值所占的比重决定;这样一来,利用改进遗传算法对工业直流变压器的电磁参数进行优化设计,在满足用户需求、安全运行的情况下,以运行损耗最小和制造成本最低为双目标函数进行优化,并对比分析三种不同方式的性能参数,验证预期效果。
陈杰颖[9]（2020）在《考虑成本的装配式建筑结构优化研究》文中提出为了转变建筑业高能耗、高污染、低产出的局面,有必要通过技术创新,走新型建筑工业化的发展道路,当前趋势的引导下,走进工厂已然是建筑生产的最好选择。针对目前建筑业的问题,如果对装配式建筑的一些技术进行有效研究,则可以大大的提升我国建筑质量、减少建筑业的浪费、提高施工效率。对于传统的装配式建筑结构设计方法,做初步结构设计时,一般不考虑工程造价问题,并且设计人员在有限的时间内很难取得一个令人满意的最优解。假设在初步结构设计中应用考虑成本的结构设计优化,在一定程度上能够帮助设计人员在结构设计时既考虑了结构的成本,又能保证结构的安全性。论文选用遗传模拟退火算法对装配式建筑结构进行结构设计优化,以成本作为目标函数,寻求工程造价最低的最优解。首先根据结构设计的一般模型建立了预制柱、预制叠合梁、预制叠合板的目标函数和构件的约束条件。然后运用Matlab工具箱通过一个寻找Rastrigin函数的最小值的例子来实现遗传算法,再以此为依据进而实现改进遗传算法。最后针对某个项目建立了预制构件考虑成本的目标函数和限制条件,从而建立了改进遗传算法的结构优化程序,得出优化结果。用优化后的结构尺寸,利用PKPM对建筑进行结构设计,对结构的各项指标如:轴压比、位移比、周期比、剪重比、层间位移角等参照现有相关规范进行了检验校核且都满足要求。结果表明1.采用遗传模拟退火算法建立数学模型进行优化设计,避免设计人员在对结构进行初步设计时,只注重结构是否能满足规范要求的各项指标,而忽视了工程造价也是衡量设计结果好坏的标准;2.将遗传算法和装配式建筑结构优化相结合,不仅能扩大装配式建筑的结构优化算法的应用范围,而且还可以为装配式结构设计优化提供一种新的思路和一种有效的方法;3.Matlab具有编程效率高、用户使用方便、扩充能力强、语句简单,内容丰富等特点,简化了遗传算法的实现,提高结构优化效率。
王仕文[10]（2019）在《某篮球馆钢结构桁架优化设计研究》文中研究说明对结构进行优化设计,除了能够降低整体结构的重量,控制项目成本,同时能够更好地保障结构的刚度与强度。桁架结构的重量相对比较轻,承受荷载的能力比较强,能合理的利用材料,提升材料的利用率。桁架结构已被广泛应用于很多实际工程。因此优化桁架的结构非常重要。传统的结构优化方法存在多种缺陷,随着科技的发展,工程实践中遇到的问题越来越复杂。传统的优化方法计算量较大,计算的结果精度较低,越来越不适合解决复杂的结构优化问题。伴随着计算机科学技术、仿生学、数学、人工智能等学科的飞速发展,人们通过研究和利用自然界中自然现象或生物体机制,提出了一些智能优化算法。智能优化算法的开发为建筑和土木工程领域结构优化设计提供了新颖的思路和高效的方法。目前在建筑和土木工程领域中,鸡群优化算法的应用还很少,本文将提出一种改进的鸡群优化算法,将改进的算法与桁架结构优化设计相结合,希望为土木工程结构优化设计提供一种新的方法和思路。鸡群优化算法的改进方法为:将混沌反向学习策略的概念引入到算法的初始化中,保证全局搜索能力;母鸡位置更新上加入偏好随机动态惯性权重因子,增强算法稳定性;再次在小鸡位置更新过程中引入惯性权重因子和学习因子,做到更好的结合全局和局部搜索,并通过边界处理预防个体出现越界;最后通过差分进化算法对算法整体个体位置优化。将改进鸡群优化算法与实际桁架结构优化设计相结合,建立桁架结构模型,设计变量为桁架结构的截面面积,目标函数为桁架结构的最小结构重量,对建立好的桁架结构模型进行结构优化分析,与其他算法和传统鸡群优化算法进行对比。结果证明改进鸡群优化算法更加有效。对优化后的桁架结构进行ANSYS有限元分析,主要包括内力分析、位移分析和优化后的模态分析,得出优化后的桁架结构满足内力要求和位移要求。与优化前的桁架结构相比,具有更好的经济性。本文的研究为结构优化设计提供了一种新颖的思路和高效的方法。
二、Application of Modified Genetic Algorithm to Optimal Design of Supporting Structure（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Application of Modified Genetic Algorithm to Optimal Design of Supporting Structure（论文提纲范文）
（1）混凝土桥梁施工复杂支撑体系安全评价及优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 支撑体系的发展现状 |
| 1.3 复杂支撑体系安全综合评价研究现状 |
| 1.3.1 综合评价方法 |
| 1.3.2 复杂支撑体系安全综合评价研究 |
| 1.4 复杂支撑体系优化设计研究现状 |
| 1.4.1 结构优化设计方法研究现状 |
| 1.4.2 优化中结构近似模型研究现状 |
| 1.4.3 复杂支撑体系优化研究现状 |
| 1.5 研究内容与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 研究技术路线 |
| 第2章 混凝土桥梁施工复杂支撑体系安全综合评价 |
| 2.1 引言 |
| 2.2 桥梁施工复杂支撑体系安全综合评价指标体系 |
| 2.3 评价指标权重确定方法 |
| 2.4 桥梁施工复杂支撑体系安全综合评价模型 |
| 2.5 本章小结 |
| 第3章 基于支持向量机近似模型-遗传算法的优化方法 |
| 3.1 引言 |
| 3.2 遗传算法理论 |
| 3.2.1 遗传算法基本概念 |
| 3.2.2 遗传算法基本步骤 |
| 3.2.3 罚函数法 |
| 3.3 支持向量机近似模型 |
| 3.3.1 支持向量机回归算法 |
| 3.3.2 样本点的选取 |
| 3.3.3 支持向量机核函数 |
| 3.3.4 支持向量机参数寻优 |
| 3.3.5 建立支持向量机近似模型的基本步骤 |
| 3.4 基于支持向量机近似模型-遗传算法的结构优化步骤 |
| 3.5 算例验证 |
| 3.6 本章小结 |
| 第4章 混凝土桥梁施工复杂支撑体系结构优化模型 |
| 4.1 引言 |
| 4.2 结构优化设计基本理论 |
| 4.2.1 结构优化设计一般数学模型 |
| 4.2.2 结构优化设计的层次 |
| 4.3 桥梁施工复杂支撑体系优化数学模型 |
| 4.4 优化模型求解步骤 |
| 4.5 本章小结 |
| 第5章 工程实例 |
| 5.1 工程概况 |
| 5.2 支撑体系受力分析 |
| 5.2.1 荷载计算 |
| 5.2.2 荷载组合 |
| 5.2.3 有限元模型 |
| 5.2.4 有限元计算结果分析 |
| 5.3 支撑体系安全评价 |
| 5.3.1 确定指标权重 |
| 5.3.2 安全评价 |
| 5.4 支撑体系结构优化 |
| 5.4.1 支撑体系优化数学模型 |
| 5.4.2 支撑体系支持向量机近似模型 |
| 5.4.3 支撑体系优化 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（2）基于改进狼群算法的桁架结构优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 结构优化设计 |
| 1.2.1 结构优化设计的内容 |
| 1.2.2 结构优化设计的方法 |
| 1.3 智能优化算法在结构优化设计中应用的国内外研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 本文的主要工作 |
| 第2章 桁架结构优化设计概述 |
| 2.1 桁架结构的发展历程 |
| 2.2 桁架结构优化的特点 |
| 2.3 桁架结构优化的国内外研究现状 |
| 2.3.1 国内研究现状 |
| 2.3.2 国外研究现状 |
| 2.4 桁架优化设计的数学模型 |
| 2.4.1 设计变量 |
| 2.4.2 约束条件 |
| 2.4.3 目标函数 |
| 2.5 桁架结构优化程序的实现 |
| 2.5.1 桁架结构截面优化 |
| 2.5.2 桁架结构形状优化 |
| 2.6 本章小结 |
| 第3章 狼群算法的改进及其应用 |
| 3.1 狼群算法 |
| 3.1.1 狼群算法的生物学背景 |
| 3.1.2 狼群算法的原理 |
| 3.1.3 狼群算法的步骤及流程图 |
| 3.1.4 狼群优化算法的国内外研究现状 |
| 3.2 基于自适应步长和莱维飞行策略的改进狼群算法 |
| 3.2.1 自适应步长和莱维飞行策略 |
| 3.2.2 基于自适应步长和莱维飞行策略的改进狼群算法 |
| 3.2.3 改进狼群算法的步骤及流程图 |
| 3.3 改进狼群算法性能验证与分析 |
| 3.3.1 基本测试函数的介绍与参数设置 |
| 3.3.2 算法的对比验证分析 |
| 3.3.3 LWPA主要参数分析 |
| 3.3.4 LWPA收敛性分析 |
| 3.3.5 结果分析 |
| 3.4 改进狼群算法在TSP中的应用 |
| 3.4.1 TSP问题的数学模型 |
| 3.4.2 仿真实验与结果分析 |
| 3.5 本章小结 |
| 第4章 改进狼群算法在桁架结构优化中的应用 |
| 4.1 10杆平面桁架结构截面优化设计 |
| 4.2 25杆空间桁架结构截面优化设计 |
| 4.3 52杆平面桁架结构截面优化设计 |
| 4.4 72杆空间桁架结构截面优化设计 |
| 4.5 200杆平面桁架结构截面优化设计 |
| 4.6 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和科研成果 |
| 致谢 |
| 作者简介 |
（3）非晶合金干式变压器优化设计方法与系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 非晶合金变压器研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 变压器优化设计研究现状 |
| 1.3.1 变压器优化算法国内外研究现状 |
| 1.3.2 变压器优化软件国内外研究现状 |
| 1.4 本课题主要研究工作 |
| 第二章 非晶合金干式变压器的电磁设计研究 |
| 2.1 引言 |
| 2.2 非晶合金干式变压器的设计研究 |
| 2.2.1 非晶合金干式变压器设计标准 |
| 2.2.2 非晶合金干式变压器手工设计 |
| 2.2.3 非晶合金干式变压器电磁参数设计流程 |
| 2.3 非晶合金干式变压器电磁与结构参数计算 |
| 2.3.1 高、低压侧电压电流计算 |
| 2.3.2 绕组部分电磁参数计算 |
| 2.3.3 绕组部分结构参数计算 |
| 2.3.4 铁心部分电磁参数计算 |
| 2.3.5 铁心部分结构参数计算 |
| 2.4 非晶合金干式变压器性能参数计算 |
| 2.4.1 空载损耗与空载电流计算 |
| 2.4.2 负载损耗与短路阻抗计算 |
| 2.4.3 变压器绕组温升计算 |
| 2.4.4 变压器效率计算 |
| 2.5 本章小结 |
| 第三章 基于智能算法的非晶合金干式变压器优化设计研究 |
| 3.1 引言 |
| 3.2 非晶合金干式变压器优化模型的建立 |
| 3.2.1 变压器优化目标函数的选取 |
| 3.2.2 变压器优化变量的选取 |
| 3.2.3 变压器优化约束条件及其处理方法 |
| 3.3 非晶合金干式变压器单目标优化算法 |
| 3.3.1 遗传算法及其改进策略 |
| 3.3.2 混沌遗传算法(CGA) |
| 3.3.3 自适应遗传算法(AGA) |
| 3.3.4 混沌自适应遗传算法(CAGA) |
| 3.4 非晶合金干式变压器多目标优化算法 |
| 3.4.1 NSGA-Ⅱ算法基本理论 |
| 3.4.2 NSGA-Ⅱ算法的改进策略 |
| 3.4.3 改进的NSGA-Ⅱ在变压器多目标优化模型中的实现 |
| 3.5 本章小结 |
| 第四章 非晶合金干式变压器优化系统设计与开发 |
| 4.1 引言 |
| 4.2 软件系统设计与开发环境 |
| 4.3 软件系统需求分析 |
| 4.3.1 功能需求 |
| 4.3.2 业务需求 |
| 4.4 软件系统总体设计 |
| 4.4.1 软件系统设计流程 |
| 4.4.2 软件系统总体架构设计 |
| 4.4.3 软件系统运行流程设计 |
| 4.5 软件系统界面设计与开发 |
| 4.5.1 主界面设计与开发 |
| 4.5.2 输入产品参数界面设计与开发 |
| 4.5.3 智能算法界面设计与开发 |
| 4.5.4 输出产品优化结果界面设计与开发 |
| 4.6 软件系统数据交互接口及其程序设计 |
| 4.6.1 软件系统交互接口设计 |
| 4.6.2 软件系统数据传输程序设计 |
| 4.7 本章小结 |
| 第五章 非晶合金干式变压器优化设计实例分析 |
| 5.1 引言 |
| 5.2 案例相关参数设定 |
| 5.3 选择遗传算法的原因 |
| 5.4 非晶合金干式变压器单目标优化设计 |
| 5.4.1 以主材成本为目标的单目标优化 |
| 5.4.2 以总损耗为目标的单目标优化 |
| 5.5 非晶合金干式变压器多目标优化设计 |
| 5.5.1 以主材成本与总损耗为目标的双目标优化 |
| 5.5.2 改进的NSGA-Ⅱ优化性能验证 |
| 5.5.3 非晶合金干式变压器双目标优化结果分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（4）基于并行优化算法的结构优化设计系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 结构优化设计的研究历史与现状 |
| 1.2.2 智能优化算法的研究历史与现状 |
| 1.2.3 并行运算的研究历史与现状 |
| 1.3 本文的主要工作及章节安排 |
| 第二章 优化算法理论研究与改进 |
| 2.1 优化问题描述 |
| 2.2 遗传算法 |
| 2.2.1 传统遗传算法 |
| 2.2.2 改进的遗传算法 |
| 2.3 粒子群算法 |
| 2.3.1 传统粒子群算法 |
| 2.3.2 改进的粒子群算法 |
| 2.4 算例测试 |
| 2.4.1 测试函数 |
| 2.4.2 测试结果分析 |
| 2.5 本章小结 |
| 第三章 改进优化算法的并行方法研究与实现 |
| 3.1 并行计算技术 |
| 3.1.1 MPI |
| 3.1.2 OpenMP |
| 3.1.3 基于Python语言的并行编程 |
| 3.2 并行算法模型 |
| 3.2.1 主从模型 |
| 3.2.2 分解并行模型 |
| 3.3 并行评价指标 |
| 3.3.1 并行加速比 |
| 3.3.2 并行效率 |
| 3.4 基于粗粒度的多进程并行策略 |
| 3.5 改进优化算法的并行化实现 |
| 3.6 算例测试 |
| 3.7 本章小结 |
| 第四章 结构优化设计系统的总体设计与实现 |
| 4.1 系统需求分析 |
| 4.2 系统开发环境要求 |
| 4.3 系统总体设计 |
| 4.3.1 系统总体架构 |
| 4.3.2 系统功能分析 |
| 4.4 系统主要模块设计 |
| 4.4.1 用户界面设计 |
| 4.4.2 数据接口设计 |
| 4.4.3 优化分析模块设计 |
| 4.4.4 数据存储模块设计 |
| 4.5 系统的实现与基本流程 |
| 4.5.1 创建项目 |
| 4.5.2 优化问题设置 |
| 4.5.3 算法设置及求解 |
| 4.6 本章小结 |
| 第五章 结构优化设计系统功能测试 |
| 5.1 测试环境简介 |
| 5.2 测试算例一 |
| 5.2.1 十杆平面桁架结构优化设计 |
| 5.2.2 模型构建 |
| 5.2.3 参数设置 |
| 5.2.4 结果分析 |
| 5.3 测试算例二 |
| 5.3.1 汽车侧面碰撞响应面模型优化问题 |
| 5.3.2 模型构建 |
| 5.3.3 参数设置 |
| 5.3.4 结果分析 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（5）基于智能优化算法的工程结构可靠度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 结构可靠度方法发展现状 |
| 1.2.1 近似可靠度计算方法 |
| 1.2.2 抽样方法 |
| 1.2.3 矩方法 |
| 1.2.4 代理模型方法 |
| 1.3 智能优化算法的研究现状 |
| 1.3.1 智能优化算法的简介 |
| 1.3.2 智能优化算法在结构工程中的研究进展 |
| 1.3.3 智能优化算法在结构可靠度分析中的研究进展 |
| 1.4 研究过程中存在的问题 |
| 1.5 本文研究的主要工作 |
| 第2章 基于樽海鞘群算法的结构可靠度分析 |
| 2.1 结构可靠度分析的基本概念 |
| 2.2 结构可靠度分析基本方法 |
| 2.2.1 蒙特卡洛模拟法 |
| 2.2.2 一次二阶矩方法 |
| 2.2.3 响应面法 |
| 2.3 基于梯度优化算法的验算点法 |
| 2.4 智能优化算法基本理论 |
| 2.4.1 粒子群算法 |
| 2.4.2 混沌粒子群算法 |
| 2.5 基于樽海鞘群智能优化算法的一阶可靠度方法 |
| 2.5.1 可靠指标法 |
| 2.5.2 惩罚函数法 |
| 2.5.3 樽海鞘群算法 |
| 2.5.4 执行步骤 |
| 2.6 算例 |
| 2.6.1 低维可靠度问题 |
| 2.6.2 高维可靠度问题 |
| 2.6.3 工程结构可靠度问题 |
| 2.7 小结 |
| 第3章 基于哈里斯鹰优化算法的高维结构可靠度分析 |
| 3.1 引言 |
| 3.2 元启发式算法介绍 |
| 3.2.1 粒子群算法 |
| 3.2.2 灰狼优化算法 |
| 3.2.3 樽海鞘群算法 |
| 3.2.4 蜻蜓算法 |
| 3.3 基于哈里斯鹰优化的一阶可靠度分析方法 |
| 3.3.1 基本FORM理论 |
| 3.3.2 哈里斯鹰优化算法 |
| 3.3.3 约束处理技术 |
| 3.3.4 算法执行步骤 |
| 3.4 算例分析 |
| 3.5 小结 |
| 第4章 基于教学优化算法的结构可靠度分析 |
| 4.1 引言 |
| 4.2 基于教学优化的FORM方法 |
| 4.2.1 可靠指标法 |
| 4.2.2 教学优化算法 |
| 4.2.3 约束处理技术 |
| 4.2.4 执行步骤 |
| 4.3 混沌TLBO-FORM方法 |
| 4.4 算例分析 |
| 4.5 参数讨论 |
| 4.6 小结 |
| 第5章 基于平衡优化算法的结构可靠度分析 |
| 5.1 引言 |
| 5.2 平衡优化算法介绍 |
| 5.3 算法执行步骤 |
| 5.4 算例分析 |
| 5.5 小结 |
| 第6章 大跨结构和边坡结构可靠度案例分析 |
| 6.1 引言 |
| 6.2 布洛溪大桥的结构可靠度分析 |
| 6.3 空间网架穹顶结构可靠度分析 |
| 6.4 三维岩质边坡可靠度分析 |
| 6.4.1 三维岩质边坡稳定性评价的确定性模型 |
| 6.4.2 边坡结构可靠度分析模型 |
| 6.5 本章小结 |
| 第7章 带钢板暗支撑组合核心筒结构可靠度分析 |
| 7.1 引言 |
| 7.2 试验概况 |
| 7.3 有限元分析模型 |
| 7.4 核心筒结构可靠度参数分析 |
| 7.4.1 轴压比 |
| 7.4.2 高宽比 |
| 7.4.3 连梁跨高比 |
| 7.4.4 暗支撑含钢率 |
| 7.4.5 加载方式 |
| 7.5 随机变量的敏感性分析 |
| 7.6 小结 |
| 结论与展望 |
| 参考文献 |
| 附录 A 核心筒随机变量敏感性分析计算结果 |
| 附录 B 攻读学位期间发表的学术论文目录 |
| 致谢 |
（6）基于性能的建筑体量设计生成及优化系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及问题缘起 |
| 1.1.1 建筑性能与建筑体量设计 |
| 1.1.2 基于性能的建筑设计 |
| 1.1.3 基于性能的设计优化技术 |
| 1.2 研究问题及目标 |
| 1.3 研究内容及方法 |
| 1.4 相关概念界定 |
| 1.5 研究意义 |
| 1.6 研究路径及论文框架 |
| 1.6.1 研究路径 |
| 1.6.2 论文框架 |
| 第2章 文献综述 |
| 2.1 基于性能的设计优化技术 |
| 2.1.1 技术搭建平台 |
| 2.1.2 在建筑体量设计中的应用 |
| 2.2 建筑设计的参数化建模 |
| 2.2.1 可视化参数化建模技术 |
| 2.2.2 复杂参数化建模策略 |
| 2.3 建筑设计与优化算法 |
| 2.3.1 辅助建筑设计的优化算法 |
| 2.3.2 优化结果与设计信息反馈 |
| 2.4 本章小结 |
| 第3章 PBMDGO系统的搭建 |
| 3.1 系统的运行流程再设计 |
| 3.1.1 系统概述 |
| 3.1.2 运行流程的适用性改造 |
| 3.1.3 生成器模块设计(建筑体量生成方法) |
| 3.1.4 求解器模块设计(优化算法寻优方法) |
| 3.2 系统的搭建工具 |
| 3.2.1 交互界面设计 |
| 3.2.2 建筑体量生成组件 |
| 3.2.3 优化算法组件 |
| 3.2.4 辅助工具组件 |
| 3.3 本章小结 |
| 第4章 基于体量削减/叠加原则的设计生成器 |
| 4.1 “减法”算法 |
| 4.1.1 算法概述 |
| 4.1.2 算法实现及用户交互 |
| 4.1.3 体量设计策略的控制方法 |
| 4.2 “加法”算法 |
| 4.2.1 算法概述 |
| 4.2.2 算法实现及用户交互 |
| 4.2.3 体量设计策略的控制方法 |
| 4.3 本章小结 |
| 第5章 “探索+挖掘”性的优化问题求解器 |
| 5.1 SSIEA算法 |
| 5.1.1 工作流程 |
| 5.1.2 算法实现 |
| 5.1.3 进化操作 |
| 5.1.4 多岛模型 |
| 5.1.5 稳态替换策略 |
| 5.1.6 拉丁超立方采样 |
| 5.2 算法性能测试分析 |
| 5.2.1 测试问题 |
| 5.2.2 对比算法 |
| 5.2.3 对比指标 |
| 5.2.4 实验结果 |
| 5.3 算法比较分析 |
| 5.4 本章小结 |
| 第6章 PBMDGO系统的应用测试 |
| 6.1 系统搭建及操作示例 |
| 6.1.1 系统运行流程的搭建 |
| 6.1.2 优化前的参数设置 |
| 6.1.3 优化运行过程 |
| 6.1.4 优化结果分析 |
| 6.2 不同设计条件下效用测试 |
| 6.2.1 设计任务及试验设置 |
| 6.2.2 测试问题1优化结果 |
| 6.2.3 测试问题2优化结果 |
| 6.3 优化结果的综合分析 |
| 6.4 本章小结 |
| 第7章 讨论 |
| 7.1 PBMDGO系统的适用性特征 |
| 7.1.1 前置式应用流程 |
| 7.1.2 可复用的设计优化工具 |
| 7.2 设计知识与生成技术 |
| 7.2.1 设计知识的再现(元模型) |
| 7.2.2 设计知识的传递(信息反馈) |
| 7.3 设计综合与算法寻优 |
| 7.4 PBMDGO系统的局限性 |
| 1 )优化对象的建筑类型 |
| 2 )优化结果的形态自由度 |
| 3 )信息反馈的精度控制 |
| 4 )性能目标的种类及优先级 |
| 7.5 后续研究 |
| 7.5.1 设计优化系统应用流程的标准化 |
| 7.5.2 体量形态生成算法的适应度 |
| 7.5.3 SSIEA算法性能的再挖掘 |
| 7.5.4 优化结果的空间重构及其可视化 |
| 第8章 总结 |
| 致谢 |
| 主要参考文献 |
| 插图和附表清单 |
| 攻读学位期间发表的学术论文目录 |
（7）钢质夹层板上层建筑结构防护性能优化及抗爆试验研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 夹层板结构应用研究现状 |
| 1.2.1 在上层建筑中的应用研究 |
| 1.2.2 钢质夹层板防护性能研究 |
| 1.3 船舶结构优化方法研究现状 |
| 1.3.1 遗传算法研究 |
| 1.3.2 人工神经网络研究 |
| 1.4 空中爆炸试验研究现状 |
| 1.5 主要研究内容和创新点 |
| 1.5.1 主要研究内容 |
| 1.5.2 本文的创新点 |
| 第二章 空中爆炸冲击波特点及结构响应基本理论 |
| 2.1 引言 |
| 2.2 空中爆炸冲击波基本理论 |
| 2.2.1 冲击波的形成 |
| 2.2.2 冲击波的传播 |
| 2.2.3 冲击波的反射现象 |
| 2.3 结构响应基本理论分析 |
| 2.3.1 塑性铰理论基本假设 |
| 2.3.2 外力功 |
| 2.3.3 耗散能 |
| 2.4 本章小结 |
| 第三章 上层建筑局部板架结构优化设计 |
| 3.1 引言 |
| 3.2 结构设计中的机器学习方法 |
| 3.2.1 遗传优化算法 |
| 3.2.2 BP神经网络 |
| 3.3 机器学习优化程序 |
| 3.3.1 优化系统选择 |
| 3.3.2 优化程序设计 |
| 3.4 上层建筑钢质夹层板结构优化方案设计 |
| 3.4.1 结构优化对象选择 |
| 3.4.2 结构优化数学模型 |
| 3.5 空中爆炸载荷作用下夹层板结构优化分析 |
| 3.5.1 抗爆性能综合指标 |
| 3.5.2 钢质夹层板结构优化分析 |
| 3.6 本章小结 |
| 第四章 空中爆炸模型试验设计 |
| 4.1 引言 |
| 4.2 试验设计 |
| 4.2.1 试验目的 |
| 4.2.2 试验装置 |
| 4.2.3 试验模型设计 |
| 4.2.4 试验模型选材 |
| 4.3 模型加工技术 |
| 4.3.1 模型加工 |
| 4.3.2 约束工装 |
| 4.4 爆炸试验准备 |
| 4.4.1 试验场地 |
| 4.4.2 试验数据采集 |
| 4.4.3 试验工况 |
| 4.5 本章小结 |
| 第五章 钢质夹层板上层建筑局部结构爆炸试验研究 |
| 5.1 引言 |
| 5.2 试验模型安装 |
| 5.3 70kPa爆炸载荷试验结果分析 |
| 5.3.1 爆炸试验压力 |
| 5.3.2 测点应力 |
| 5.3.3 测点加速度 |
| 5.4 500kPa爆炸载荷试验结果分析 |
| 5.4.1 爆炸试验压力 |
| 5.4.2 测点应力 |
| 5.4.3 测点加速度 |
| 5.4.4 结构损伤变形 |
| 5.5 本章小结 |
| 第六章 空中爆炸载荷下上层建筑局部结构数值仿真研究 |
| 6.1 引言 |
| 6.2 空中爆炸载荷曲线拟合 |
| 6.3 空中爆炸载荷作用下结构响应数值仿真分析 |
| 6.3.1 有限元模型 |
| 6.3.2 数值仿真计算结果及分析 |
| 6.4 夹层板损伤变形理论分析 |
| 6.4.1 夹层板初始动能 |
| 6.4.2 夹层板芯层压缩 |
| 6.4.3 夹层板整体变形 |
| 6.5 载荷及结构参数对夹层板结构动态响应影响研究 |
| 6.5.1 不同冲击载荷分析 |
| 6.5.2 不同芯层高度分析 |
| 6.6 本章小结 |
| 总结与展望 |
| 1 本文的主要研究工作及结论 |
| 2 进一步的研究工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（8）基于遗传算法的工业直流变压器电磁参数优化设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景 |
| 1.2 课题研究的意义 |
| 1.3 变压器电磁参数优化研究现状与发展 |
| 1.3.1 国内外研究现状 |
| 1.3.2 工业直流变压器电磁参数优化过程中存在的问题 |
| 1.4 本课题研究的主要内容 |
| 第2章 直流矿热炉冶炼系统 |
| 2.1 直流矿热炉冶炼系统的构成 |
| 2.2 工业直流变压器的基本原理和技术要求 |
| 2.2.1 工业直流变压器的特点和用途 |
| 2.2.2 工业直流变压器的原理 |
| 2.2.3 工业直流变压器三相桥式整流电路参数计算 |
| 2.3 小结 |
| 第3章 工业直流变压器电磁参数设计的研究 |
| 3.1 工业直流变压器的电磁参数设计 |
| 3.1.1 总体结构布置 |
| 3.1.2 电磁参数设计参数特点 |
| 3.1.3 约束条件选取的特点 |
| 3.2 工业直流变压器电磁参数设计方案确定原则及遵循的标准 |
| 3.3 工业直流变压器主要参数的计算 |
| 3.3.1 变压器电磁参数设计流程 |
| 3.3.2 电磁计算的一般说明 |
| 3.3.3 铁芯直径的选取 |
| 3.3.4 铁芯的磁通分布及磁通密度的计算 |
| 3.3.5 空载损耗与空载电流计算 |
| 3.3.6 变压器绕组参数计算 |
| 3.3.7 35kV级变压器主纵绝缘结构设计 |
| 3.3.8 负载损耗与短路阻抗的计算 |
| 3.3.9 变压器温升计算 |
| 3.3.10 线圈短路力学性能计算 |
| 3.3.11 变压器重量计算 |
| 3.4 小结 |
| 第4章 基于遗传算法的工业直流变压器电磁参数优化设计研究 |
| 4.1 遗传算法的基本原理 |
| 4.1.1 遗传算法思想概述 |
| 4.1.2 编码方法 |
| 4.1.3 适应度函数 |
| 4.1.4 选择、交叉和变异操作 |
| 4.1.5 约束条件的处理 |
| 4.1.6 遗传算法的特点 |
| 4.2 基本遗传算法在工业直流变压器电磁参数优化设计中的应用 |
| 4.2.1 遗传算法的基本函数 |
| 4.2.2 工业直流变压器电磁参数优化设计数学描述 |
| 4.2.3 工业直流变压器优化变量的选取 |
| 4.2.4 基本遗传算法初始种群的产生 |
| 4.2.5 选取遗传算法控制参数、结束条件 |
| 4.2.6 工业直流变压器的目标函数、约束条件、适应度函数 |
| 4.2.7 工业直流变压器电磁参数优化设计的基本遗传算法流程图 |
| 4.3 改进遗传算法在工业直流变压器电磁参数优化设计中的应用 |
| 4.3.1 改进遗传算法初始种群的产生 |
| 4.3.2 选取改进遗传算法的遗传算子 |
| 4.3.3 目标函数权重设计 |
| 4.3.4 工业直流变压器电磁参数优化设计改进遗传算法的流程图 |
| 4.4 小结 |
| 第5章 工业直流变压器电磁参数优化设计结果实例分析 |
| 5.1 工业直流变压器的技术条件 |
| 5.2 基于Excel的工业直流变压器电磁参数 |
| 5.3 基于遗传算法的多目标优化设计电磁参数 |
| 5.4 优化设计结果的对比分析 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者攻读硕士学位期间的学术成果 |
| 致谢 |
（9）考虑成本的装配式建筑结构优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题背景与选题意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 装配式建筑概述 |
| 1.2.1 装配式建筑的概念 |
| 1.2.2 装配式结构国内外研究现状 |
| 1.3 结构设计优化研究现状 |
| 1.3.1 结构设计优化的方法 |
| 1.3.2 建筑结构设计优化研究 |
| 1.3.3 装配式结构设计优化研究 |
| 1.4 研究方案 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 第2章 遗传算法的基本理论 |
| 2.1 遗传算法简介 |
| 2.1.1 从生物进化到遗传方法 |
| 2.1.2 遗传算法的发展简史 |
| 2.1.3 遗传算法的研究内容及前景 |
| 2.2 遗传算法基本原理 |
| 2.3 遗传算法与其它搜索方法的比较 |
| 2.4 遗传算法的优化过程 |
| 2.4.1 遗传算法的基本流程 |
| 2.4.2 确定编码方案 |
| 2.4.3 初始群体的设定 |
| 2.4.4 适应度函数(评价函数) |
| 2.4.5 遗传算子的设计 |
| 2.4.6 控制参数的选择 |
| 2.5 改进遗传算法 |
| 2.5.1 改进遗传算法的介绍 |
| 2.5.2 本文采用的改进策略 |
| 2.6 本章小结 |
| 第3章 基于遗传算法的装配式建筑结构优化设计 |
| 3.1 结构优化设计的一般数学模型 |
| 3.2 预制构件的优化模型 |
| 3.2.1 预制柱目标函数的建立 |
| 3.2.2 预制叠合梁目标函数的建立 |
| 3.2.3 预制叠合板目标函数的建立 |
| 3.2.4 预制构件约束条件的建立 |
| 3.3 基于Matlab遗传算法的实现 |
| 3.3.1 Matlab的简介 |
| 3.3.2 基本遗传算法的实现 |
| 3.3.3 改进遗传算法的实现 |
| 3.3.4 仿真实验与结果分析 |
| 3.4 本章小结 |
| 第4章 案例分析 |
| 4.1 项目介绍 |
| 4.1.1 工程概况 |
| 4.1.2 设计依据 |
| 4.2 考虑成本的目标函数的建立 |
| 4.2.1 预制柱目标函数的建立 |
| 4.2.2 预制叠合梁目标函数的建立 |
| 4.2.3 预制叠合板目标函数的建立 |
| 4.3 约束条件的建立 |
| 4.3.1 预制柱约束条件的建立 |
| 4.3.2 预制叠合梁约束条件的建立 |
| 4.3.3 预制叠合板约束条件的建立 |
| 4.4 基于Matlab的遗传算法的结构优化 |
| 4.4.1 预制柱遗传算法优化 |
| 4.4.2 预制叠合梁遗传算法优化 |
| 4.4.3 预制叠合板遗传算法优化 |
| 4.5 结构安全性验证 |
| 4.5.1 PKPM的简介 |
| 4.5.2 PKPM建模及参数输入 |
| 4.5.3 PKPM计算结果分析 |
| 4.6 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录1 退火交叉算法程序 |
| 附录2 预制柱遗传算法程序 |
| 附录3 预制叠合梁遗传算法程序 |
| 附录4 预制叠合板遗传算法程序 |
| 攻读硕士学位期间发表的论文及科研成果 |
（10）某篮球馆钢结构桁架优化设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 结构优化设计的基本概况 |
| 1.2.1 结构优化设计的概述 |
| 1.2.2 结构优化设计的方法 |
| 1.2.3 结构优化设计的数学模型 |
| 1.3 智能优化算法在结构优化设计中应用的国内外研究现状 |
| 1.3.1 国内研究现状 |
| 1.3.2 国外研究现状 |
| 1.4 本文的主要工作 |
| 第2章 桁架结构优化设计概述 |
| 2.1 桁架结构的发展历程 |
| 2.2 桁架结构的国内外研究现状 |
| 2.2.1 国内研究现状 |
| 2.2.2 国外研究现状 |
| 2.3 桁架结构特点及应用 |
| 2.4 桁架结构优化的国内外研究现状 |
| 2.4.1 国内研究现状 |
| 2.4.2 国外研究现状 |
| 2.5 桁架结构优化程序的实现 |
| 2.5.1 桁架结构截面优化 |
| 2.5.2 桁架结构形状优化 |
| 2.6 本章小结 |
| 第3章 鸡群优化算法及其应用 |
| 3.1 鸡群优化算法的原理 |
| 3.2 鸡群优化算法的国内外研究现状 |
| 3.2.1 鸡群优化算法的国内研究现状 |
| 3.2.2 鸡群优化算法的国外研究现状 |
| 3.3 改进鸡群优化算法 |
| 3.3.1 改进鸡群优化算法的方法 |
| 3.3.2 改进鸡群优化算法流程 |
| 3.4 改进鸡群优化算法的仿真测试 |
| 3.5 改进鸡群优化算法在桁架结构优化中的应用 |
| 3.5.1 25杆空间桁架结构截面优化设计 |
| 3.5.2 52杆平面桁架结构截面优化设计 |
| 3.5.3 72杆空间桁架结构截面优化设计 |
| 3.5.4 200杆平面桁架结构截面优化设计 |
| 3.6 本章小结 |
| 第4章 基于改进鸡群优化算法的钢结构桁架优化设计 |
| 4.1 工程概况 |
| 4.2 建立钢结构桁架结构优化设计的数学模型 |
| 4.2.1 钢结构桁架结构的约束条件 |
| 4.2.2 钢结构桁架结构的目标函数 |
| 4.3 钢结构桁架结构工程结构优化设计 |
| 4.3.1 GHJ-1 段桁架结构工程概况 |
| 4.3.2 GHJ-1 段桁架结构优化设计 |
| 4.3.3 CC-1 段桁架结构工程概况 |
| 4.3.4 CC-1 段桁架结构优化设计 |
| 4.4 本章小结 |
| 第5章 优化后桁架结构有限元分析 |
| 5.1 模型建立 |
| 5.1.1 计算参数 |
| 5.1.2 单元选取 |
| 5.1.3 荷载施加 |
| 5.2 有限元计算结果及分析 |
| 5.2.1 内力分析 |
| 5.2.2 位移分析 |
| 5.3 优化后模态分析 |
| 5.3.1 优化后桁架结构的固有频率 |
| 5.3.2 优化后桁架结构的模态振型 |
| 5.3.3 模态分析结果 |
| 5.4 本章小结 |
| 结论与展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间发表的学术论文 |
四、Application of Modified Genetic Algorithm to Optimal Design of Supporting Structure（论文参考文献）
- [1]混凝土桥梁施工复杂支撑体系安全评价及优化方法研究[D]. 陆伊宁. 广西大学, 2021(12)
- [2]基于改进狼群算法的桁架结构优化研究[D]. 徐培东. 河北工程大学, 2021(08)
- [3]非晶合金干式变压器优化设计方法与系统研究[D]. 魏博凯. 江西理工大学, 2021(01)
- [4]基于并行优化算法的结构优化设计系统研究[D]. 刘亚鹏. 电子科技大学, 2021(01)
- [5]基于智能优化算法的工程结构可靠度研究[D]. 钟昌廷. 湖南大学, 2020(02)
- [6]基于性能的建筑体量设计生成及优化系统[D]. 王力凯. 南京大学, 2020
- [7]钢质夹层板上层建筑结构防护性能优化及抗爆试验研究[D]. 柯力. 江苏科技大学, 2020(03)
- [8]基于遗传算法的工业直流变压器电磁参数优化设计[D]. 海理. 南华大学, 2020(01)
- [9]考虑成本的装配式建筑结构优化研究[D]. 陈杰颖. 西南交通大学, 2020(07)
- [10]某篮球馆钢结构桁架优化设计研究[D]. 王仕文. 河北工程大学, 2019(02)