桁架结构优化设计的群智能算法.pdf

第八届全国现代结构工程学术研讨会 桁架结构优化设计的群智能算法枣 徐小通李丽娟刘锋 (广东工业大学建设学院。广州510006) 提要：在介绍基于群智能的群搜索优化算法(GSO)基本原理的基础上，给出了该算法用于结构优化设计的实现方法e采用GSO 进行了比较。计算结果表明GSO优化算法与PSO和PSOPC算法相比具有较好的收敛精度和较快的收敛速度。只需较少的迭 代次数就能寻找到最优解，而与咿so算法相比收敛精度和收敛速度相当。但比ItPSO算法简单．容易实现，易于工程应用。 当优化变鬟维数较多时GSO算法的收敛性优于HPSo算法的收敛性。 关键词：群搜速优化算法，结构优化，收敛精度，收敛速度 一、引言 仿生优化算法特别是进化算法，已被广泛应用于各种科学技术和工程问题中，其典塑代表是基于“优胜劣 Schwefel等提出的进化策略。1以及于1960s由Fogel、Owens和Walsh提出的进化规划。。。· 近年来出现的一类新的全局优化算法被称为群体智能算法(SwarmIntelligenceAlgorithm)。典型的代表是 索优化算法。 群智能优化算法在逻辑电路设计、控制设计和电力系统设计中得到广泛的研究和应用，并逐渐被应用到结构 优化设计中，其中最重要的两种算法是蚁群算法”“1和粒子群算法“…“，特别是粒子群算法及其基础上改进的启 僻式粒子群算法在结构优化设计中的应用受到广泛重视“‘“1，这些受生物系统启发而得出的随机算法与传统的基 于梯麈n池化臂法相比具有许多优点，例如对目标函数和约束函数无特殊要求，可以实现全局优化等。但是他们 也存在一定的缺陷，蚁群算法和粒了耕篦法主要考虑群体的“个体行为进化”，基于进化理论考虑对这种进化行 为的理解。在某种程度上，这两种算法都埔于。进化策略”范畴。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吖言息共享”和“相豆舍作一，一个重要的结果是群体搜索允许群体成员搜索不同的“路 线”同时取得不同“成果”，这样在群体内就导致了两种不同的觅食策略：“搜索”并发现食物，“加入”并分享 食物，后者是群居动物中普遍存在的想象。群搜索算法就是基于群体间的“信息共享矿和“相互合作”提出来的。 (Prodicer—scrounger)，本文研究基于PS模型的群搜索算法及其在结构优化设计中的应用。 程中对每个粒子是否违背约束进行验证，对于复杂的工程实际结构，这是相当耗时的计算分析过程。因此研究者 希望在保持这些随机算法优点的基础上，研究能克服其缺点的新算法。群搜索算法(GSO)的特点可以使其在这 一方面具有很好的应用前景，可有效地应用于复杂结构的优化设计。 二、基于PS模型的群搜索优化算法(GSO) ’基金资助：国家自然科学基金资助，广东省自然科学基金重点项目资助 576 工业建筑200$增刊 第八届全国现代结构工程学术研讨会 的主体；GSO算法同时加入了游荡者(Ranger)这一类型的个体，在群体内作独立的随机搜索。GSO算法中使用 的PS模型还引入了生物视角搜索的机理。“”1，其数学描述如F： 设在一个n维的搜索宅问中，第i个个体在第k次迭代过程中，它在搜索宅间中的位置可以表示为向量 R“，它的搜索角度(head X?E 聪(群)=(前，．．．，以)∈R”。搜索方向p?按公式(1)、(2)、(3)把搜索角度群转换到笛卡尔坐标而得到。 ． n—l 西=ncos(绣) p。l 西=sin(赋j-1))·ncos(碡) (2) p=／ 硝=sin(磁n-I)) (3) 在GSO优化算法中，一