桁架拓扑优化多点逼近遗传算法.pdfVIP

第21卷第6期 计 算 力 学 学 报 Vo1．21．No．6 2004年 12月 ChineseJournalofComputationalMechanics December2004 文章编号：1007—4708(2004)06—0746—06 桁架拓扑优化的多点逼近遗传算法 董永芳， 黄 海 (北京航空航天大学 宇航学院，北京 100083) 摘 要：提出一种基于多点逼近函数和遗传算法的桁架拓扑优化方法。该方法建立 了包含连续尺寸和离散拓扑 两类变量的优化模型，并通过构造多点逼近函数建立 了结构优化问题的第一级序列显式近似，然后采用分层优 化方法：在外层对拓扑变量采用遗传算法进行优化；在 内层对尺寸变量通过可由对偶法求解的第二级序列近似 问题进行优化。几个经典的桁架拓扑优化算例表 明该方法能以较少的结构分析次数获得 比较理想的概率意义上 的最优解。 关键词 ：拓扑优化；多点逼近；遗传算法 中图分类号 ：V414．19；O241．3 文献标识码：A 内层对连续尺寸变量进行细节优化。为了能够使用 1 引 言 对偶法高效求解最优细节尺寸，本文又通过泰勒展 结构拓扑优化问题是结构优化领域最具挑战 开建立了求解 内层尺寸优化问题的第二级序列显 性的问题之一。拓扑优化的困难主要在于两点 ：其 式线性近似问题 。算例表明，本文方法求解桁架拓 一 ，拓扑优化问题是一个包含离散变量和不连续函 扑优化问题 ，具有令人满意的效率。 数的问题 ；其二，拓扑优化问题的可行域存在奇异 性 ，结构拓扑优化解可能是全局奇异最优解 [1]。所 2 优化算法 以，拓扑优化问题作为全局混合优化问题，难 以找 结构拓扑优化问题的数学形式可表述如下： 到有效的数学规划方法加以解决。 find X 一 {z1，z2，…，z) 遗传算法是一种以决策对象的编码为运算对 口= {口1，口2，…， )T 象、以 目标函数值为信息的多点并行概率搜索技 术。这种方法不需要函数可导甚至连续，只要能够 min W一∑a () 求得种群成员的适应值就可以进行寻优 ，并且对变 ； 1 量定义域没有限制，可以同时处理连续变量和离散 S．t． g』()≤ 0， J一 1，…， 变量 ，所 以非常适合于求解结构拓扑优化问题乜]。 qz + (1一 ai)x ≤ zf， 一 1，…， 然而，遗传算法需要进行大量的结构分析，因此也 五 ≤aix~i+ (1一 ai)x 限制了遗传算法的实际应用。为了减少结构分析次 q一0 或 口f一 1 数，有学者应用人工神经网络方法对结构进行近似 (1) 分析 ，这种方法需要预先给定试验样本，并且随着 其 中 为单元数 目， 为结构性状约束数 目， 问题规模的扩大而不再高效。 为表示结构截面尺寸的连续变量，a为表示结构单 本文将多点逼近函数D与遗传算法 相结合。 元是否存在的离散拓扑变量 ，zy和z 分别为单元 为