基于后驗(yàn)偏好的結(jié)構(gòu)風(fēng)險(xiǎn)優(yōu)化方法.pdf

1、結(jié)構(gòu)不確定性優(yōu)化是保證產(chǎn)品性能的現(xiàn)代化設(shè)計(jì)方法。不確定性帶來的損失即為風(fēng)險(xiǎn)，而任何結(jié)構(gòu)的性能在服役期內(nèi)均會(huì)由于不確定性而產(chǎn)生損失，因此結(jié)構(gòu)風(fēng)險(xiǎn)優(yōu)化是更符合工程實(shí)際的結(jié)構(gòu)不確定性優(yōu)化方法。本文從新穎的優(yōu)化-決策角度探索更合理的結(jié)構(gòu)風(fēng)險(xiǎn)設(shè)計(jì)方法?？紤]到結(jié)構(gòu)風(fēng)險(xiǎn)優(yōu)化過程具有多層次特性，本文針對(duì)風(fēng)險(xiǎn)管理、確定性優(yōu)化和風(fēng)險(xiǎn)控制三個(gè)關(guān)鍵點(diǎn)，分別進(jìn)行了如下研究:
　　1)在風(fēng)險(xiǎn)優(yōu)化理論和算法的層面上，本文基于廣義不確定性原理，將傳統(tǒng)的不確定性優(yōu)

2、化拓展到基于粒度概率和后驗(yàn)偏好的風(fēng)險(xiǎn)優(yōu)化?；诤篁?yàn)偏好的風(fēng)險(xiǎn)優(yōu)化本質(zhì)上是高維多目標(biāo)優(yōu)化問題，所以通過調(diào)整目標(biāo)向量中粒度概率的數(shù)量和不確定性建模的精細(xì)程度，可以實(shí)現(xiàn)不確定性管理;而基于確定目標(biāo)維數(shù)的風(fēng)險(xiǎn)優(yōu)化可以實(shí)現(xiàn)不確定性控制。為了方便優(yōu)化和決策，本文采用基于分解的多目標(biāo)演化算法(MOEA/D)輔以過濾準(zhǔn)則求解提出的優(yōu)化問題。MOEA/D中包含對(duì)失效損失的顯式建模，可以在優(yōu)化后實(shí)現(xiàn)基于總費(fèi)用的多準(zhǔn)則決策，為基于后驗(yàn)偏好的結(jié)構(gòu)風(fēng)險(xiǎn)優(yōu)化提供了

3、算法支持。
　　2)在面向結(jié)構(gòu)多目標(biāo)拓?fù)鋬?yōu)化需求的普適算法層面上，本文對(duì)多目標(biāo)演化算法求解桁架多目標(biāo)拓?fù)鋬?yōu)化的收斂速度進(jìn)行了嚴(yán)格的實(shí)證比較研究。建立典型多目標(biāo)拓?fù)鋬?yōu)化問題集并采用并行窮舉法計(jì)算其全局最優(yōu)Pareto前沿，提出算法性能評(píng)估的標(biāo)準(zhǔn)流程，并比較了8個(gè)具有代表性的多目標(biāo)演化算法在桁架多目標(biāo)拓?fù)鋬?yōu)化問題上的收斂速度極限?；诙鄬哟问諗啃枨?，算法的收斂性和計(jì)算效率評(píng)估在一個(gè)體系內(nèi)完成。此外，本文揭示了桁架多目標(biāo)拓?fù)鋬?yōu)化的若干困

4、難。在這些基礎(chǔ)上，本文從確定性結(jié)構(gòu)優(yōu)化的角度，為高效求解復(fù)雜的基于后驗(yàn)偏好的結(jié)構(gòu)風(fēng)險(xiǎn)優(yōu)化提供算法支持。
　　3)在結(jié)構(gòu)風(fēng)險(xiǎn)優(yōu)化的工程應(yīng)用和特種算法層面上，本文考慮到建筑結(jié)構(gòu)受風(fēng)災(zāi)所致的損失無可用模型的現(xiàn)狀，提出了高層建筑抗風(fēng)設(shè)計(jì)的基于后驗(yàn)偏好的風(fēng)險(xiǎn)優(yōu)化方法。本文采用三維封閉解進(jìn)行不確定性量化與傳播，采用基于學(xué)習(xí)核的主成分分析進(jìn)行目標(biāo)域降維，并提出混合微型多目標(biāo)粒子群算法求解高維多目標(biāo)問題，最后例證了初始造價(jià)和最不利均方加速度失效概