改进自适应遗传模拟退火算法的结构优化设计.pdfVIP

第 26卷第 2期 徐 州 工 程 学 院 学 报 (自然 科 学 版 ) 2011年 6月 VoL26No．2 JournalofXuzhou InstituteofTechnology (NaturalSciencesEdition) Jun．2011 改进 自适应遗传模拟退火算法的结构优化设计 刘敬宇 (辽宁工业大学 土木建筑学院，辽宁 锦州 121001) 摘要：为提高遗传算法的收敛性，避免发生早熟收敛，对遗传算法进行改进．引入一种基于 个体适应度值的自适应遗传算法，并将遗传算法和模拟退火算法结合形成一种混合算法，从而 提高算法的运行效率和计算精度．算例表 明改进 的 自适应遗传模拟退火混合算法较基本遗传算 法更加有效． 关键词 ：自适应 ；遗传算法；模拟退火算法；结构优化 中图分类号：TU311．4 文献标志码 ：A 文章编号 ：1674—358X(2011)02—0014—05 在传统的优化领域中，通常采用解析的方法对 目标函数进行优化，但实际工程结构优化设计 中常常 遇到多极值点问题、目标函数的非线性 问题、非连续设计变量 问题等NP(非多项式算法)难题 ，而传统解 析算法处理这些难题时却不再适用 ；因此 ，适用于工程实际的离散变量结构优化设计计算方法近年来受 到重视 ，并得以快速发展．遗传算法和模拟退火算法就是近些年发展迅速的2种离散变量结构优化设计 方法． 1 改进 自适应遗传算法 1．1 遗传算法 遗传算法 (geneticalgorithms，GA)起源于 20世纪 60年代 ，自1975年密歇根大学 的JohnHolland和 他 的合作者共 同研究和提出之后_1]，这种模拟 自然选择和遗传机制的寻优程序得到迅速发展．遗传算法 借鉴了生物的自然选择和进化机制．其主要特点是直接对对象进行操作，不存在求导及对函数连续性的 限定，因此能比较有效地解决 NP难题．遗传算法与其他优化算法相 比，其优点在于采用概率化的寻优方 法 ，能 自动获取优化 的搜索空间，并 自适应地调整优化 的搜索方 向，不需要确定的规则 ，全局寻优能力强． 遗传算法已经发展成为现代智能计算中的关键技术，在机器学习、自适应控制、信号处理、组合优化、人工 生命等领域 已经得到广泛应用． 但是遗传算法也存在着诸如迭代过程 比较缓慢等缺点，对算法 中的各种运行参数的选择依赖于程序 设计者的经验 ，而这些参数对算法的运行效率以及计算结果的精度都有很大的影响．尤其是算法 中对 P (交叉概率)和 P (变异概率)的选择，会直接影响算法的搜索效果和效率，而更麻烦的是只有经过大量的 试算后才能确定出合理取值范围．为 了改进遗传算法 的这些缺点，L．Davis[2提 出了 自适应 的思想 ，指 出 随着遗传算法在线性能的提高(下降)可以增大P (减小 P)的取值，使 P 和 P 能够随适应度 自动改变． 本文提出了对遗传算法 的几点改进措施 ，提高了遗传算法的运行效率和计算精度． 1．2 改进措施 交叉运算和变异运算是遗传算法用来产生新个体的主要手段，因而算法设计者对交叉、变异概率的 选择将决定遗传算法是否会陷人局部最优解 ，对遗传算法的全局搜索能力起重要作用．这里根据 自适应 的基本原理，对遗传算法中的P。和 P 进行了自适应的改进 ，提高了遗传算法的性能．改进后的自适应遗 传算法既保持了群体多样性，又保证 了遗传算法的收敛性． 在这里的自适应遗传算法中，按公式 (1)、(2)进行 自适应调整嘲，即 收稿 日期 ：201O—O9—3O 基金项 目：辽宁省教育厅科学技术研 究项 目(2006B052) 作者简介 ：刘敬宇(1978一)女 ，黑龙江牡丹江人，讲师，硕士，主要从事建筑结构设计研究 · 14 · 刘敬宇 ：改进 自适应遗传模拟退火算法 的结构优化设计 f 厂m (最1一kz)+厂(kz 。一kl，a) ，，＼ ， P一J (厂m一 ) ’ J ’ (1) k【。，