基于约束改进多目标群搜索算法的结构优化研究.pdfVIP

第十二届全国现代结构工程学术研讨会 基于约束改进多目标群搜索算法的结构优化研究木 黄振华李丽娟刘锋 (广东工业大学土木与交通工程学院，广东广州，510006) Search 摘要：本文针对多目标群搜索算法MGSO(Multi—objectiveGroup 的改进主要有三个方面：第一，引入过渡可行域的概念来处理约束条件；第二，利用庄家法来构造非支配解集以节 约时间；最后，结合禁忌搜索算法和拥挤距离机制来选择发现者，以避免解集过早陷入局部最优，并提高收敛精度。 采用IMGSO优化算法分别对平面和空间桁架结构进行了离散变量的截面优化设计，并与MGSO优化算法的计算结 果进行了比较，结果表明本文改进的多目标群搜索优化算法IMGSO与MGSO算法相比具有更好的收敛精度，在算 且收敛速度也有提高，町应用于多目标的工程结构优化设计。 关键词：多目标优化，约束改进，收敛精度，结构设计 一、引言 实际工程中的许多优化问题包含有多个目标函数，需要满足多个约束条件和多个设计变量的取值范围， 最优解集中选择所需要的最终解。传统的多目标优化方法是将多目标问题通过加权求和转化为单目标问题 来处理，使得目标之间比较起来比较困难，加权时往往需要很详细的决策信息，且只能得到一个结果。随 着计算机技术的发展，越来越多的随机优化算法应用于多目标函数优化设计，其中发展较快的有遗传算法[2-5} 及粒子群算法睁训。遗传算法计算效率低，收敛速度慢，编程复杂，在进化的过程中易于收敛至局部最优解。 粒子群算法在迭代的过程中不仅要寻找整体最优，还需要寻找个体的历史最优，对于复杂结构而言，是个 非常耗时的过程。众所周知，群居是动物界的普遍现象，群体行为的另一个重要方面是“信息共享”和“相互 合作”，S．He等就是基于动物的这种群体特性建立了一种新的群体智能优化算法——群搜索算法 Search (GS0，Group Search Wang Group Chtm[141等将基本的群搜索算法转化成多目标群搜索算法(MGSO，Multi．objective Opt[m[zafion)，并得到一些可行的结果。 为了提高多目标群搜索算法用于结构优化时的效率，本文对多目标群搜索优化算法(MGSO)进行了改 进，结合Pareto支配关系理论，提出了一种适用于工程结构优化的改进算法——基于约束改进群搜索优化 优越性更加明显。 二、群搜索算法(GSO) 最优，GSO算法加入了另一种个体—蝣荡者(Ranger)，在群体内作独立的随机搜索。为了增加搜索的效率， GSO算法还将生物视角搜索的机理引入了的PS模型中。 设在一个n维的搜索空间中，第i个个体在第k次迭代过程中，它在搜索空间中的位置可以表示为向量 群∈R“，它的搜索角度(head 工业建筑2012增刊 1247 第十二届全国现代结构工程学术研讨会 群=ncos(砖) (1) p=l 仃一l 露=sin(磷川))·兀cos(砖) (2) 或=sin(荫¨)) (3) 每次迭代，发现者(X。)按以下步骤进行搜索： 一个点。 置=z；+，；o磷(矿) (4)