利用遺傳算法進行結(jié)構(gòu)優(yōu)化設(shè)計開題報告

1、 利用遺傳算法進行結(jié)構(gòu)優(yōu)化設(shè)) 開題報告(計 本科生畢業(yè)設(shè)計開題報告書 利用遺傳算目 題 法進行結(jié)構(gòu)優(yōu) 計的化設(shè) 一些研究 學(xué)生姓名 專業(yè)班級 指導(dǎo)老師 機械工程學(xué)院 2011年11月30日 論文題目 用遺傳算法進行結(jié)構(gòu)優(yōu)化設(shè)計的一些研究 課題目的、意義及相關(guān)研究動態(tài)： 優(yōu)化設(shè)計是設(shè)計概念與方法的一種革命，它用系統(tǒng)的、目的定向的和有良好標準的過程與方法來代替?zhèn)鹘y(tǒng)的實驗糾錯的手工方法。優(yōu)化設(shè)計是尋求最好或最合理的設(shè)計方案，而優(yōu)化方法便是達到這一目的的手段。雖然對大多數(shù)現(xiàn)實問題而言，最好餓不一定能實現(xiàn)，但它提供了一種指導(dǎo)思想與標準，形成了概念和運作手段，只要一個問題存在有多種可能的解決方案，它就可

2、以利用優(yōu)化的思想和概念來更好地解決，故優(yōu)化方法是求解問題和幫助決策的重要手段和工具。 現(xiàn)代工程結(jié)構(gòu)設(shè)計中，大量的應(yīng)用問題要求結(jié)構(gòu)優(yōu)化能夠適用于各種類型的設(shè)計變量（尺寸變量、形狀變量、拓撲變量、材料種類。結(jié)構(gòu)布局等）、各種類型的約束（強度。剛度、穩(wěn)定性、頻率等）及各種類型的單元（桿、梁、板、殼、膜、二維元及三維實體元等）的組合結(jié)構(gòu)的線性、非線性、靜力、動力或控制結(jié)構(gòu)優(yōu)化等。為了有效地解決復(fù)雜工程優(yōu)化問題，人們一直在不停地探索。多年來，通過對自然界的探索，人們認為自然界生物的某些行為是可以在計算機上模擬的優(yōu)化過程。人們將這種生物行為的計算機模擬用于工程目的，提出了一些解決復(fù)雜工程優(yōu)化問題的現(xiàn)代優(yōu)化

3、方法。 一類是用計算機模擬人類智能行為的智能計算方法，包括模擬人類大腦處理模糊信息能力的模糊系統(tǒng)、模擬人類大腦神經(jīng)元的連接關(guān)系的神經(jīng)網(wǎng)絡(luò)和模擬生物進化過程中“物競天擇，適者生存”這一自然規(guī)律的進化計算三個方面。其中進化計算已經(jīng)突破了傳統(tǒng)優(yōu)化方法基于數(shù)值計算的確定性搜索模式，而是采取非數(shù)值計算的概率性隨機搜索模式，已經(jīng)被廣泛地應(yīng)用于各個領(lǐng)域。進化 進化策遺傳算法、計算又有分別模擬自然界生物進化不同方面的三條研究途徑:應(yīng)用也最為廣泛。的研究最為深入、持久，略和進化規(guī)劃，其中以遺傳算法(GAs)另一類是用計算機模仿生物的某種特性的仿生計算方法，如模擬生物免疫系統(tǒng)自我調(diào)節(jié)功能的人工免疫系統(tǒng)、模擬蟻群搜

4、索食物過程的蟻群算法等。模擬自機制的遺傳算法也屬于仿生計算方法的范疇。然界生物進化過程中“優(yōu)勝劣汰” 我此次畢設(shè)主要研究的就是基于遺傳算法的工程結(jié)構(gòu)優(yōu)化設(shè)計。 國內(nèi)、國外研究現(xiàn)狀： 教授及其他一些科學(xué)Holland年代，美國Michigan大學(xué)的 在二十世紀601975提出了遺傳算法的基本思想。家分別獨立地通過對自然和人工系統(tǒng)的研究，Adaptation in Nature and Holland年，教授出版了關(guān)于遺傳算法的經(jīng)典著作教授在文獻中提出，標志著遺傳算法的正式誕生。HollandArtificial System簡單遺傳算法的個體采取二進。的遺傳算法后來被人們稱為簡單遺傳算法(SGA

5、)制編碼方式，主要由交換算子產(chǎn)生新的個體，通過選擇操作體現(xiàn)“優(yōu)勝劣汰”的自然選擇機制。簡單遺傳算法以圖式定理或稱型式定理、模式定理為理論基礎(chǔ)，認為遺傳算法具有隱含并行性和全局收斂性。這一結(jié)論現(xiàn)在被普遍認為是值得懷疑的。經(jīng)過近三十年的發(fā)展，遺傳算法的理論研究取得了很大進展，已有不少學(xué)術(shù)專著出版，有關(guān)人工智能的著作中一般也有關(guān)于遺傳算法的章節(jié)，其應(yīng)用研究更是取得了輝煌的成就。近年來，有不少博士學(xué)位論文對遺傳算法的理論和應(yīng)用作了專題論述?，F(xiàn)在，遺傳算法的實際應(yīng)用已經(jīng)滲透到了各行各 業(yè)。遺傳算法是建立在自然選擇和群體遺傳學(xué)基礎(chǔ)上的一種非數(shù)值計算優(yōu)化方法。遺傳算法將問題的解表示成字符串，并把這樣的字符串

6、當作人工染色體或稱為個體，多個個體構(gòu)成一個群體。隨機產(chǎn)生若干個個體構(gòu)成初始群體，通過對群體的不斷進化，利用“優(yōu)勝劣汰”的自然選擇機制，使群體中的個體不斷朝著最優(yōu)解的方向移動，最終搜索到問題的最優(yōu)解。個體通過遺傳算子的作用稱為適應(yīng)度函數(shù)來評價個體的優(yōu)劣。通過定義個體的評價函數(shù)，生成子代個體。個體的適應(yīng)度反映個體適應(yīng)環(huán)境的能力，適應(yīng)度大的個體生存能力強。按照自然選擇的基本原理，適應(yīng)度越大的個體被選擇用來繁殖后代的機會越大。遺傳 算法是模擬遺傳行為的智能算法，研究基于遺傳算法的子陣級波束形成，有利于提高子陣分割和波束形成的效率。而遺傳算法的理論研究內(nèi)容主要包括染色體的編碼方法、遺傳算子、算法的運行過

7、程、遺傳控制參數(shù)的選擇、算法的收 斂性和收斂速度以及遺傳算法的改進和與其它方法的綜合等。 課題的主要內(nèi)容： 通過對遺傳算法和結(jié)構(gòu)優(yōu)化設(shè)計等方面的內(nèi)容的介紹與分析，在此基礎(chǔ)上 提出了遺傳算法在工程結(jié)構(gòu)優(yōu)化設(shè)計的應(yīng)用模型，并根據(jù)遺傳算法的原理和特 點，利用一個計算實例驗證了遺傳算法作為優(yōu)化方法的高效性的優(yōu)勢。 研究方法、設(shè)計方案或論文撰寫提綱： 主要運用了比較研究法，通過運用比較研究法，將簡單遺傳算法與改進的 自適應(yīng)遺傳算法對同一桁架結(jié)構(gòu)進行優(yōu)化設(shè)計，并對所得結(jié)果進行比較分析， 驗證了改進的遺傳算法的可行性和有效性。 完成期限和預(yù)期進度： 31日前；年、下達任務(wù)書：201110月1 日前；11月3

8、020112、畢業(yè)設(shè)計開題：年寒假期間要求進行畢 日月日月年、畢業(yè)分散實習(xí)調(diào)研：3201218-212 業(yè)實習(xí)與調(diào)研并寫出調(diào)研報告； 31日前；2012年3月4、中期檢查： ；周）29日（第11、結(jié)題、資格審查：2011年4月235 ；（第13周）7日-13日 月6、答辯時間：2012年52012級專業(yè)人才培養(yǎng)計劃，畢業(yè)設(shè)計及答辯主要工作階段為：根據(jù)2008 日）；日至5月6131年上學(xué)期第周至12周（2010年2月 主要參考資料： 2007 北京：兵器工業(yè)出版社，1 韓瑞鋒遺傳算法原理與應(yīng)用實例M西安：西M2 王小平，曹立明遺傳算法理論、應(yīng)用與軟件實現(xiàn)2002 安交通大學(xué)出版社，北京：科學(xué)出M 3 劉石夏工程結(jié)構(gòu)優(yōu)化設(shè)計原理、方法和應(yīng)用1984 版社，1991 M杭州：浙江大學(xué)出版社，陳秀寧機械優(yōu)化設(shè)計4 合肥工業(yè)大學(xué)，合肥：周翠玲工程結(jié)構(gòu)優(yōu)化設(shè)計的遺傳算法研究D5 2004 北京：MMATLAB實現(xiàn)與應(yīng)用6 Gerald Recktenwald 數(shù)值方法和2004 機械