导读:本文包含了递增优化算法论文开题报告文献综述及选题提纲参考文献,主要关键词:递增演化结构算法(AESO),遗传递增演化算法(GAESO),非线性分析,复杂应力构件
递增优化算法论文文献综述
张望喜,黄星,刘霞[1](2017)在《遗传递增演化算法配筋优化设计》一文中研究指出递增演化结构算法(AESO)是在初始结构上,逐步增加有效材料,进而得到优化拓扑形状,其运算速度快,但容易陷入局部最优解。为提高寻找全局最优解的能力,把递增演化结构算法(AESO)和遗传算法(GA)相结合,提出遗传递增演化算法(GAESO),在增加有效材料的选择性上引入生物进化遗传理论,并以ANSYS有限元分析软件的非线性分析为平台,采用钢筋混凝土分离式模型,探讨遗传递增演化算法(GAESO)在钢筋混凝土复杂应力构件配筋优化设计上的应用,直观地完成在荷载作用和应力约束条件下简支深梁、简支开洞深梁和开洞剪力墙等钢筋混凝土复杂应力构件的配筋优化设计,所得结果符合受力机理,演化方向正确,钢筋布置明确,与遗传演化优化算法(GESO)所得结果进行比较验证,证实了算法的可行性、速敛性和稳定性,能为钢筋混凝土配筋优化设计提供参考。(本文来源于《计算力学学报》期刊2017年03期)
黄星[2](2016)在《遗传递增演化算法配筋优化设计》一文中研究指出本文借鉴遗传演化算法中遗传算法和渐进演化算法的结合方式,在遗传算法和递增演化算法的基础上,提出遗传递增演化算法,在增加周围有效材料的选择性上引入生物遗传进化理论,并以ANSYS有限元分析软件的非线性分析为平台,采用钢筋混凝土分离式模型,探讨遗传递增演化算法在钢筋混凝土复杂应力构件配筋优化设计上的应用,直观地完成在荷载作用或应力约束条件下简支深梁、简支开洞深梁、开洞剪力墙等钢筋混凝土复杂应力构件的配筋优化设计,所得钢筋拓扑结果符合受力机理,演化方向正确,布置明确,与遗传演化算法所得钢筋拓扑结果分析、比较,证实遗传递增演化算法的可行性、有效性、准确性、通用性等,并能为钢筋混凝土配筋优化设计提供指导、参考。主要内容有:(1)阅览大量文献,总结了结构优化算法和复杂应力构件设计方法,详细介绍了遗传算法和渐进演化算法,探讨了其基本原理、实现步骤和优缺点,研究了遗传演化算法中遗传算法和渐进演化算法的结合方式,为遗传递增演化算法的提出奠定了坚实的理论依据和基础。(2)在递增演化算法的基础上,引入遗传算法,把遗传进化思想应用于递增演化算法单元的增加性上,提出遗传递增演化算法,并详细介绍了遗传递增演化算法的基本原理和实现步骤,方便读者了解和使用遗传递增演化算法。(3)将提出的遗传递增演化算法,应用到钢筋混凝土复杂应力构件配筋优化设计中来,以ANSYS有限元分析为平台,采用钢筋混凝土分离式模型,考虑分析结构弹塑性和材料非线性等,对简支深梁、开孔简支深梁、开洞剪力墙等钢筋混凝土复杂应力构件,以单位钢筋材料下结构刚度最大化为结构优化目标,以应变能为灵敏度,以钢筋为优化对象,通过性能指数和收敛准则,进行遗传递增算法配筋优化设计,并与遗传演化算法结果进行分析、对比,验证了遗传递增演化算法的可行性、准确性、有效性、通用性等。(4)扩展遗传递增演化算法在钢筋混凝土复杂应力构件配筋优化设计上的应用,以ANSYS有限元分析为平台,采用钢筋混凝土分离式模型,考虑分析结构弹塑性和材料非线性等,对简支深梁、开孔简支深梁、开洞剪力墙等钢筋混凝土复杂应力构件,以应力约束条件下结构重量最轻为结构优化目标,以钢筋应力为适应度,以钢筋为优化对象,通过收敛准则,进行遗传递增演化算法配筋优化设计,提高遗传递增演化算法的通用性、易用性等。(本文来源于《湖南大学》期刊2016-05-26)
李斌,钟润添,王先基,庄镇泉[3](2007)在《一种基于递增估计GMM的连续优化算法》一文中研究指出目前的分布估计算法(esti mation of distribution algorithms)中概率模型的学习或多或少存在着对先验知识的依赖,而这些先验知识往往是不可预知的.针对这一问题,文中提出采用集成学习(ensemble learning)的思想实现EDAs中概率模型结构和参数的自动学习,并提出了一种基于递增学习策略的连续域分布估计算法,该算法采用贪心EM算法来实现高斯混合模型(GMM)的递增学习,在不需要任何先验知识的情况下,实现模型结构和参数的自动学习.通过一组函数优化实验对该算法的性能进行了考查,并与其它同类算法进行了比较.实验结果表明该方法是有效的,并且,相比其它同类EDAs,该算法用相对少的迭代,可以得到同样或者更好的结果.(本文来源于《计算机学报》期刊2007年06期)
姜群,王越,宋文强[4](2007)在《基于群体递增学习算法的癌症化学疗法优化技术》一文中研究指出探索分布估计算法中基于群体递增学习算法在优化癌症化疗中的应用能力,并与遗传算法作相应比较。实验表明基于群体递增学习(PBIL)算法的搜寻速度以及搜寻到的可行解质量均优于遗传算法。(本文来源于《计算机应用》期刊2007年03期)
递增优化算法论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文借鉴遗传演化算法中遗传算法和渐进演化算法的结合方式,在遗传算法和递增演化算法的基础上,提出遗传递增演化算法,在增加周围有效材料的选择性上引入生物遗传进化理论,并以ANSYS有限元分析软件的非线性分析为平台,采用钢筋混凝土分离式模型,探讨遗传递增演化算法在钢筋混凝土复杂应力构件配筋优化设计上的应用,直观地完成在荷载作用或应力约束条件下简支深梁、简支开洞深梁、开洞剪力墙等钢筋混凝土复杂应力构件的配筋优化设计,所得钢筋拓扑结果符合受力机理,演化方向正确,布置明确,与遗传演化算法所得钢筋拓扑结果分析、比较,证实遗传递增演化算法的可行性、有效性、准确性、通用性等,并能为钢筋混凝土配筋优化设计提供指导、参考。主要内容有:(1)阅览大量文献,总结了结构优化算法和复杂应力构件设计方法,详细介绍了遗传算法和渐进演化算法,探讨了其基本原理、实现步骤和优缺点,研究了遗传演化算法中遗传算法和渐进演化算法的结合方式,为遗传递增演化算法的提出奠定了坚实的理论依据和基础。(2)在递增演化算法的基础上,引入遗传算法,把遗传进化思想应用于递增演化算法单元的增加性上,提出遗传递增演化算法,并详细介绍了遗传递增演化算法的基本原理和实现步骤,方便读者了解和使用遗传递增演化算法。(3)将提出的遗传递增演化算法,应用到钢筋混凝土复杂应力构件配筋优化设计中来,以ANSYS有限元分析为平台,采用钢筋混凝土分离式模型,考虑分析结构弹塑性和材料非线性等,对简支深梁、开孔简支深梁、开洞剪力墙等钢筋混凝土复杂应力构件,以单位钢筋材料下结构刚度最大化为结构优化目标,以应变能为灵敏度,以钢筋为优化对象,通过性能指数和收敛准则,进行遗传递增算法配筋优化设计,并与遗传演化算法结果进行分析、对比,验证了遗传递增演化算法的可行性、准确性、有效性、通用性等。(4)扩展遗传递增演化算法在钢筋混凝土复杂应力构件配筋优化设计上的应用,以ANSYS有限元分析为平台,采用钢筋混凝土分离式模型,考虑分析结构弹塑性和材料非线性等,对简支深梁、开孔简支深梁、开洞剪力墙等钢筋混凝土复杂应力构件,以应力约束条件下结构重量最轻为结构优化目标,以钢筋应力为适应度,以钢筋为优化对象,通过收敛准则,进行遗传递增演化算法配筋优化设计,提高遗传递增演化算法的通用性、易用性等。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
递增优化算法论文参考文献
[1].张望喜,黄星,刘霞.遗传递增演化算法配筋优化设计[J].计算力学学报.2017
[2].黄星.遗传递增演化算法配筋优化设计[D].湖南大学.2016
[3].李斌,钟润添,王先基,庄镇泉.一种基于递增估计GMM的连续优化算法[J].计算机学报.2007
[4].姜群,王越,宋文强.基于群体递增学习算法的癌症化学疗法优化技术[J].计算机应用.2007
标签:递增演化结构算法(AESO); 遗传递增演化算法(GAESO); 非线性分析; 复杂应力构件;