基于離散變量的差異進化算法研究及其在結構優(yōu)化設計中的應用.pdf

1、結構優(yōu)化設計迄今已有近百年的歷史。在最近的四十年內(nèi)，無論在其理論、算法還是在應用方面，結構優(yōu)化設計都取得了很大的進展。而近年來智能算法在結構優(yōu)化設計領域的廣泛應用，更使得結構優(yōu)化設計水平達到一個新的高度。 差異進化算法(DifferentialEvolution)是美國學者StronR.和PriceK.V.于1995提出的一種智能算法，具有原理簡單、魯棒性強、收斂速度快、搜索到全局最優(yōu)解概率高、對初始值無要求、運行參數(shù)設置簡單、

2、具有并行運算特性等優(yōu)點，極具發(fā)展?jié)摿?。其?yōu)秀的性能已在許多問題的應用中得到了驗證。差異進化算法的出現(xiàn)為求解結構優(yōu)化問題提供了一條新途徑。 本文首先詳細介紹了差異進化基本原理，并通過對經(jīng)典DeJong函數(shù)的求解，分析了控制參數(shù)對進化過程的影響，對控制參數(shù)如何取值給出了具體建議，同時比較了差異進化算法五種常用模式的性能。在此基礎上對差異進化算法提出如下兩點改進：1.對變異因子提出一種簡單的自適應操作，使差異進化算法的主要控制參數(shù)由三

3、個減少為兩個；2.把基于雙群體的進化改為基于單群體的進化，提高了進化速度。經(jīng)過改進后的差異進化算法稱為自適應變異差異進化算法(AdaptiveMutation--DifferentialEvolution,簡稱AMDE)，數(shù)值測試表明，AMDE在提高進化速度的同時，降低了差異進化算法的使用難度。 其次對約束條件問題和離散變量問題提出了相應的處理方法：將直接比例——比較法(DCPM)與差異進化算法結合成為處理約束優(yōu)化問題的AMDE

4、-DCPM方法；采用計算適應度的個體與進化個體相分離的方法來處理離散變量和整型變量，即進化個體用連續(xù)變量，計算適應度的個體采用整型變量和離散變量。同時對最優(yōu)解接近約束邊界或約束嚴格、可行域小的離散變量優(yōu)化問題，結合結構優(yōu)化設計的特點，提出了施加人工個體的處理方法。 最后，綜合上述改進，對包括形狀優(yōu)化層次在內(nèi)的幾個結構優(yōu)化問題進行了求解。結果表明，改進的差異進化算法具有極強的全局尋優(yōu)能力，將其應用于離散變量結構優(yōu)化設計是可行且有效