利用遗传算法进行结构优化设计(开题报告)文档格式.doc
《利用遗传算法进行结构优化设计(开题报告)文档格式.doc》由会员分享,可在线阅读,更多相关《利用遗传算法进行结构优化设计(开题报告)文档格式.doc(7页珍藏版)》请在冰豆网上搜索。
![利用遗传算法进行结构优化设计(开题报告)文档格式.doc](https://file1.bdocx.com/fileroot1/2022-10/29/7ddd4376-1676-4d1f-8e5e-fd4c27feda99/7ddd4376-1676-4d1f-8e5e-fd4c27feda991.gif)
用遗传算法进行结构优化设计的一些研究
课题目的、意义及相关研究动态:
优化设计是设计概念与方法的一种革命,它用系统的、目的定向的和有良好标准的过程与方法来代替传统的实验纠错的手工方法。
优化设计是寻求最好或最合理的设计方案,而优化方法便是达到这一目的的手段。
虽然对大多数现实问题而言,最好饿不一定能实现,但它提供了一种指导思想与标准,形成了概念和运作手段,只要一个问题存在有多种可能的解决方案,它就可以利用优化的思想和概念来更好地解决,故优化方法是求解问题和帮助决策的重要手段和工具。
现代工程结构设计中,大量的应用问题要求结构优化能够适用于各种类型的设计变量(尺寸变量、形状变量、拓扑变量、材料种类。
结构布局等)、各种类型的约束(强度。
刚度、稳定性、频率等)及各种类型的单元(杆、梁、板、壳、膜、二维元及三维实体元等)的组合结构的线性、非线性、静力、动力或控制结构优化等。
为了有效地解决复杂工程优化问题,人们一直在不停地探索。
多年来,通过对自然界的探索,人们认为自然界生物的某些行为是可以在计算机上模拟的优化过程。
人们将这种生物行为的计算机模拟用于工程目的,提出了一些解决复杂工程优化问题的现代优化方法。
一类是用计算机模拟人类智能行为的智能计算方法,包括模拟人类大脑处理模糊信息能力的模糊系统、模拟人类大脑神经元的连接关系的神经网络和模拟生物进化过程中“物竞天择,适者生存”这一自然规律的进化计算三个方面。
其中进化计算已经突破了传统优化方法基于数值计算的确定性搜索模式,而是采取非数值计算的概率性随机搜索模式,已经被广泛地应用于各个领域。
进化计算又有分别模拟自然界生物进化不同方面的三条研究途径:
遗传算法、进化策略和进化规划,其中以遗传算法(GAs)的研究最为深入、持久,应用也最为广泛。
另一类是用计算机模仿生物的某种特性的仿生计算方法,如模拟生物免疫系统自我调节功能的人工免疫系统、模拟蚁群搜索食物过程的蚁群算法等。
模拟自然界生物进化过程中“优胜劣汰”机制的遗传算法也属于仿生计算方法的范畴。
我此次毕设主要研究的就是基于遗传算法的工程结构优化设计。
国内、国外研究现状:
在二十世纪60年代,美国Michigan大学的Holland教授及其他一些科学家分别独立地通过对自然和人工系统的研究,提出了遗传算法的基本思想。
1975年,Holland教授出版了关于遗传算法的经典著作AdaptationinNatureandArtificialSystem,标志着遗传算法的正式诞生。
Holland教授在文献中提出的遗传算法后来被人们称为简单遗传算法(SGA)。
简单遗传算法的个体采取二进制编码方式,主要由交换算子产生新的个体,通过选择操作体现“优胜劣汰”的自然选择机制。
简单遗传算法以图式定理或称型式定理、模式定理为理论基础,认为遗传算法具有隐含并行性和全局收敛性。
这一结论现在被普遍认为是值得怀疑的。
经过近三十年的发展,遗传算法的理论研究取得了很大进展,已有不少学术专著出版,有关人工智能的著作中一般也有关于遗传算法的章节,其应用研究更是取得了辉煌的成就。
近年来,有不少博士学位论文对遗传算法的理论和应用作了专题论述。
现在,遗传算法的实际应用已经渗透到了各行各业。
遗传算法是建立在自然选择和群体遗传学基础上的一种非数值计算优化方法。
遗传算法将问题的解表示成字符串,并把这样的字符串当作人工染色体或称为个体,多个个体构成一个群体。
随机产生若干个个体构成初始群体,通过对群体的不断进化,利用“优胜劣汰”的自然选择机制,使群体中的个体不断朝着最优解的方向移动,最终搜索到问题的最优解。
个体通过遗传算子的作用生成子代个体。
通过定义个体的评价函数,称为适应度函数来评价个体的优劣。
个体的适应度反映个体适应环境的能力,适应度大的个体生存能力强。
按照自然选择的基本原理,适应度越大的个体被选择用来繁殖后代的机会越大。
遗传算法是模拟遗传行为的智能算法,研究基于遗传算法的子阵级波束形成,有利于提高子阵分割和波束形成的效率。
而遗传算法的理论研究内容主要包括染色体的编码方法、遗传算子、算法的运行过程、遗传控制参数的选择、算法的收敛性和收敛速度以及遗传算法的改进和与其它方法的综合等。
课题的主要内容:
通过对遗传算法和结构优化设计等方面的内容的介绍与分析,在此基础上提出了遗传算法在工程结构优化设计的应用模型,并根据遗传算法的原理和特点,利用一个计算实例验证了遗传算法作为优化方法的高效性的优势。
研究方法、设计方案或论文撰写提纲:
主要运用了比较研究法,通过运用比较研究法,将简单遗传算法与改进的自适应遗传算法对同一桁架结构进行优化设计,并对所得结果进行比较分析,验证了改进的遗传算法的可行性和有效性。
完成期限和预期进度:
1、下达任务书:
2011年10月31日前;
2、毕业设计开题:
2011年11月30日前;
3、毕业分散实习调研:
2012年1月8日-2月12日寒假期间要求进行毕业实习与调研并写出调研报告;
4、中期检查:
2012年3月31日前;
5、结题、资格审查:
2011年4月23-29日(第11周);
6、答辩时间:
2012年5月7日-13日(第13周);
根据2008级专业人才培养计划,毕业设计及答辩主要工作阶段为:
2012年上学期第1周至12周(2010年2月13日至5月6日);
主要参考资料:
[1]韩瑞锋.遗传算法原理与应用实例[M].北京:
兵器工业出版社,2007
[2]王小平,曹立明.遗传算法——理论、应用与软件实现[M].西安:
西安交通大学出版社,2002
[3]刘石夏.工程结构优化设计——原理、方法和应用[M].北京:
科学出版社,1984
[4]陈秀宁.机械优化设计[M].杭州:
浙江大学出版社,1991
[5]周翠玲.工程结构优化设计的遗传算法研究[D].合肥:
合肥工业大学,2004
[6]GeraldRecktenwald.数值方法和MATLAB实现与应用[M].北京:
机械工业出版社,2004
指导教师意见:
签名:
年月日
开题报告会纪要
时间
地点
与
会
人
员
姓名
职务(职称)
姓名
会议记录摘要:
会议主持人:
记录人:
年月日
教研室意见
教研室主任签名:
年月日