遗传算法在渡槽优化设计中的应用.pdfVIP

中国农村水利水电·2008年第6期 121 文章编号：1007—2284(2008)06—0121—03 遗传算法在 渡槽优化设计 中的应用 张翌娜 ，娄彩红。 (1．黄河水利职业技术学院，开封475003；2．郑州大学土木工程学院，郑州450001； 3．中国水利水电第七工程局三分局，成都611130) 摘 要：针对工程优化中的多变量、复杂非线性约束条件问题，将传统优化方法中的惩罚函数思想与遗传算法相结 合，提出了一种更为高效的优化算法，并对某渡槽结构进行优化，得到令人满意的优化结果。研究表明，本优化方法能根 据不同的优化指标、计算精度搜索到最佳结果，具有很好的全局搜索性能。该研究为渡槽结构的合理设计提供了一种有 效的工具，对其他类似工程的设计也有重要的参考价值。 关键词：渡槽；遗传算法；优化设计 中图分类号：TV672．3 文献标识码：B 混合惩罚函数法。混合惩罚函数法可以解决具有不等式和等 1 非线性约束优化问题的表述 式约束的优化问题，它在一定程度上综合了内点法和外点法的 非线性约束优化处理的是有等式和(或)不等式约束的优 优点。用混合惩罚函数法求解时，其惩罚函数由原目标函数和 化目标函数问题，由于许多实际问题无法建模为线性约束优化 包含约束函数的惩罚项组成，由于该问题的约束条件包括不等 问题，因此非线性优化成为几乎所有工程、运筹和数学领域中 式约束和等式约束两部分，因此，惩罚项也有两部分组成，转化 非常重要的工具 。该问题的数学模型如下 z-： 后的混合惩罚函数形式为： min z) m1 m S t gi(z)≤0，i一1，2，…，1721 6(x，r}¨，4 ’)=，(z)+r ∑GEg (z)]+4 ∑EEh (z)] 一 1 i=m1+1 h (z)一0， 一1721+1，…，172 其中，r{”和以 为惩罚因子。在函数的实际操作过程 z∈ X 中，基于惩罚函数的进化算法一般都包含许多惩罚系数，但是 其中，f，gl，g2，…，g I，h +I，h +2，…，h 是在R 上定义的 只有正确设置这些系数才可能获得可行解，而要获得适当的惩 实值函数，X是R 的子集，z是n维实向量，z—Ex ，X2，…， 罚系数则需要大量的实验为基础，因此惩罚因子的选用比较 ， ，(z)和 (z)均为非线性函数，g (z)为不等式约束，h 困难。 (z)为等式约束。 2．2 适用于MATIAB7．0中GA工具箱的惩罚函数法 遗传算法主要用于无约束优化问题的求解，实际中大量的 2 约束条件的处理方法 问题是有约束优化问题。文献E3]中提出了三种常用的处理约 惩罚函数法的基本思想是通过引入惩罚因子用原目标函 束方法：①修复不可行解法；②改变遗传算子法；③惩罚函 数和约束条件构造惩罚函数 ，在寻优的过程中通过调整惩罚 数法。 因子来得到不同的惩罚函数，亦即可通过无约束最优化方法得 在实际的工程应用中，约束条件一般比较复杂、严格，而修 到此惩罚函数的极小值点，并且此惩罚函数极值点将逐渐逼近