申请/专利权人:贵州大学
申请日:2023-11-13
公开(公告)日:2024-03-22
公开(公告)号:CN117744177A
主分类号:G06F30/10
分类号:G06F30/10;G06F30/27;G06F119/14;G06F111/04
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明提出一种基于信息获取算法的桁架拓扑优化设计方法,包括以下步骤:S1,构建基于桁架质量的目标函数;S2,采用信息获取算法求解基于桁架质量的目标函数;S2‑1,初始化参数;S2‑2,初始化阶段:随机产生初始种群j=1,…,Popsize,为种群Piter中的第j个个体,然后随机初始化个体S2‑3,计算个体的适应值;S2‑4,当前评价次数FEs=FEs+Popsize,如果迭代次数iter大于最大迭代次数Max_iter,则输出当前最优个体如果迭代次数iter小于最大迭代次数Max_iter,则执行下一步骤;S2‑5,在探索阶段继续更新个体的最优解:S2‑7,当前迭代次数为iter=iter+1;S2‑8,重复步骤S2‑4至步骤S2‑7,若当前评价次数FEs达到MAX_FEs后结束,执行过程中得到的最优个体即为桁架拓扑优化设计的结果。本发明能快速、准确地得到最优的桁架拓扑设计方案。
主权项:1.一种基于信息获取算法的桁架拓扑优化设计方法,其特征在于,包括以下步骤:S1,构建基于桁架质量的目标函数; S2,采用信息获取算法求解基于桁架质量的目标函数;S2-1,初始化参数:设定需要优化设计的杆件组数D,种群大小Popsize,最大迭代次数Max_iter,最大评价次数MAX_FEs=Popsize×Max_iter;且当前迭代次数iter=0,当前评价次数FEs=0;S2-2,初始化阶段:随机产生初始种群为种群Piter中的第j个个体,然后随机初始化个体 其中,D表示桁架结构有多少组要优化设计的杆件; 为种群Piter中的第j个个体,存储了第j组杆件的截面面积;θ为在[0,1]之间服从均匀分布的随机数;Loj和Upj分别为第j组杆件的截面面积的取值范围的下界和上界;S2-3,计算个体的适应值; 其中表示第iter次迭代的第j个个体;Cj表示第j组杆件的质量;ρj为第j组杆件的密度;Lj为第j组杆件的长度;λ·M表示惩罚项,M为预先定义的一个远大于横截面的数,λ为惩罚系数,如果优化设计的D组杆件的截面面积满足各个约束条件,则λ=0,否则λ=1;然后保存种群Piter中适应值最小的个体为最优个体S2-4,当前评价次数FEs=FEs+Popsize,如果迭代次数iter大于最大迭代次数Max_iter,则输出当前最优个体如果迭代次数iter小于最大迭代次数Max_iter,则执行下一步骤;S2-5,在探索阶段继续更新个体的最优解:计算探索阶段第iter+1次迭代的个体 其中,D表示桁架结构有多少组要优化设计的杆件; 表示个体再进行一次迭代后的个体;rand为在[0,1]之间服从均匀分布的随机数; 表示种群Piter中的某个随机个体;Δ表示误差因子;计算探索阶段个体的适应值: 当前评价次数FEs=FEs+Popsize,比较和的大小,若小于则保存种群Piter中适应值最小的个体为最优个体否则保持种群最优个体不变;S2-7,当前迭代次数为iter=iter+1;S2-8,重复步骤S2-4至步骤S2-7,若当前评价次数FEs达到MAX_FEs后结束,执行过程中得到的最优个体即为桁架拓扑优化设计的结果。
全文数据:
权利要求:
百度查询: 贵州大学 一种基于信息获取算法的桁架拓扑优化设计方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。