优化作业郑文智.doc

结构优化设计作业 姓 名：郑文智 学 号：132081402012 研究方向：结构健康监测 试设想如何在空间桁架模型中利用遗传算法解决桁架布置或你承担的课题？ 答：我的研究方向是结构健康监测，承担的课题是隔震体系的长期监测及参数识别。考虑到超大跨楼盖存在竖向荷载作用下会产生强烈振动而影响正常使用功能的问题，曾对兰州市某钢结构建筑的超大跨度楼盖进行了动力特性测试，采用单输入多输出的测试方式，用力锤单点激励，用941B竖向加速度传感器进行数据采集。该钢结构楼盖如下图所示： 兰州市该钢结构建筑中局部走廊楼盖跨度为21m，宽度为8m。由于是钢结构楼盖，且跨度比较大，且该建筑用途为展览馆，展览时密集人群荷载作用下会引起楼盖振动，当人行荷载的频率与盖楼盖的固有频率接近时，楼盖会产生竖向位移幅值较大的振动，从而会影响到正常使用。为了利用有限的竖向加速度传感器测得整个楼板在力锤激励下的动力响应，现利用遗传算法解决竖向加速度传感器优化布置的问题。 具体步骤如下： (1) 编码 将10个位置点按照一定的顺序分别表示为一个{0，1}二进制字符串。例如0001表示第1个位置，0010表示第2个位置，1010表示第10个位置； (2) 产生初始种群 由于数量较少，故将全部的二进制串组成的染色体基因码作为个体组成种群，种群的大小就是指种群中的个体数目。 (3) 计算适应度 利用ansys建模仿真模拟，根据桥面振动控制的情况，按照比例计算每个个体的适应度。 (4) 利用轮盘赌选择方法进行父代个体的选择。 (5) 按照一定的交叉概率和交叉方法 ，进行单点交叉，生成新的个体。例如：s1=01|11 s2=10|01，交叉后产生新的子个体s1’=10|11 s2’=01|01。然后再利用ansys仿真计算其适应度。 (6) 按照一定的变异概率和变异方法，生成新的个体。例如s3=0001，可以变异为s3’=1001,然后计算变异后产生的新的个体的适应度。 (7) 如此循环若干次，可以找出最佳传感器布置位置。 开卷编程序题 编最速下降法与一维有哪些信誉好的足球投注网站法相结合的优化程序一段，优化方法不限，语言不限。 答：最速下降法的程序如下： function [x,val,k] = zzz(fun,gfun,x0) maxk=5000; rho=0.5;sigma=0.4; k=0;epsilon=1e-5; while(kmaxk) g=feval(gfun,x0); d=-g; if(norm(d)epsilon),break; end m=0;mk=0; while(m20)% if(feval(fun,x0+rho^m*d)feval(fun,x0)+sigma*rho^m*g*d) mk=m;break; end m=m+1; end x0=x0+rho^mk*d; k=k+1; end x=x0; val=feval(fun,x0); end 三、试就模糊优化、神经网络或遗传算法方面的1-3篇文献进行归纳评述，指出对你研究工作的借鉴意义。 答：遗传算法（Genetic Algorithm）[1]是一种通过模拟自然进化过程有哪些信誉好的足球投注网站最优解的方法，提供了一种求解复杂系统优化问题的通用框架，遗传算法不依懒于问题的具体领域，对问题的种类有很强的鲁棒性，所以广泛应用于函数优化、组合优化、生产调度、自动控制等领域。 遗传算法进化模式的一般步骤如下所示： 第1步 随机产生初始种群，个体数目一定，每一个个体表示为染色体的基因编码； 第2步 计算个体的适应度，并判断是否符合优化准则，如符合，输出最佳个体及其代表的最优解，并结束计算；否则转向第3步； 第3步 依据适应度选择再生个体，适应度高的个体被选中的概率高，适应度低的个体可能被淘汰； 第4步 按照一定的交叉概率和交叉方法，生成新的个体; 第5步 按照一定的变异概率和变异方法，生成新的个体; 第6步 由交叉和变异产生新一代的种群，返回到第2步。 遗传算法中的优化准则，一般依据问题的不同有不同的确定方式。例如，可以采用以下的准则之一作为判断条件： ① 种群中个体的最大适应度超过预先设定值； ② 种群中个体的平均适应度超过预先设定值； ③ 世代数超过预先设定值。 章 弦等[2]分别采用标准遗传算法和多种群并行遗传算法对平面桁架结构进行了截面优化设计，得到两种优化算法优化后的桁架总重量、杆件最大应力、节点最大位移的情况。对两种优化方法进行比较，结果发现多种群并行遗传算法能够更有效地避免局部收敛，更准确地找到全局最优解，而且作为一种改进的遗传算法在工程应用中是具有一定的实用价值。 Gao等利用模糊神经网络方法