TLBO算法的改進(jìn)及其在桁架及鋼框架結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用研究.pdf

1、隨著技術(shù)和設(shè)備的發(fā)展，工程結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的結(jié)構(gòu)模型已經(jīng)逐漸由依賴大量假設(shè)建立簡化模型轉(zhuǎn)移到更加反映結(jié)構(gòu)本質(zhì)的復(fù)雜模型，這一轉(zhuǎn)變提高了優(yōu)化問題的準(zhǔn)確性和適用性。但是基于這種建模方式得到的優(yōu)化命題大都具有方程個(gè)數(shù)較多，變量維數(shù)高，非線性強(qiáng)等特點(diǎn)，這使得工程結(jié)構(gòu)優(yōu)化問題的求解及變量的儲(chǔ)存都困難重重。在面對這類問題時(shí)，常規(guī)優(yōu)化計(jì)算對初值敏感性，收斂性，收斂速度等方面捉襟見肘。這時(shí)就需要有一個(gè)高效的優(yōu)化工具來彌補(bǔ)傳統(tǒng)優(yōu)化算法的不足。近些年啟發(fā)于生

2、物行為的生物啟發(fā)式計(jì)算以其易于實(shí)現(xiàn)，高效的優(yōu)化性能，計(jì)算相對簡單，無需問題特殊信息等優(yōu)點(diǎn)在解決復(fù)雜工程結(jié)構(gòu)優(yōu)化問題時(shí)扮演著重要角色。
　　本文在回顧了生物啟發(fā)計(jì)算的發(fā)展及其在結(jié)構(gòu)優(yōu)化設(shè)計(jì)中應(yīng)用的基礎(chǔ)上，介紹了一例新的生物啟發(fā)算法—教與學(xué)優(yōu)化算法，并將它應(yīng)用在空間桁架截面優(yōu)化設(shè)計(jì)和桁架幾何優(yōu)化設(shè)計(jì)中。通過他們在結(jié)構(gòu)優(yōu)化上的表現(xiàn)發(fā)現(xiàn)精英策略的設(shè)置對算法的優(yōu)化性能的改善無明顯效果，并且教與學(xué)優(yōu)化算法在較低維度和可行解空間較復(fù)雜時(shí)易陷入局

3、部最優(yōu)。針對教與學(xué)優(yōu)化算法易陷入局部最優(yōu)解，局部搜索能力不強(qiáng)的特點(diǎn)，引入混沌搜索，利用混沌搜索遍歷性和隨機(jī)性的特點(diǎn)使算法容易跳出局部最優(yōu)點(diǎn);同時(shí)針對教與學(xué)優(yōu)化算法教學(xué)階段只利用種群的平均值導(dǎo)致群體間的互動(dòng)性不足從而容易引起算法的“早熟”，在教學(xué)階段引入生物的被動(dòng)集合行為。經(jīng)過這一系列的改進(jìn)后的算法稱之為改進(jìn)的混沌教與學(xué)優(yōu)化算法。改進(jìn)后的算法繼承了教與學(xué)優(yōu)化算法不需特定參數(shù)的優(yōu)點(diǎn)。最后將改進(jìn)的混沌教與學(xué)優(yōu)化算法應(yīng)用到離散截面的鋼框架結(jié)構(gòu)優(yōu)