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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD