[发明专利]一种用于空间结构的混合智能优化方法

说明书

本发明公开了一种用于空间结构的混合智能优化方法(PP算法)；包括以下步骤：首先利用高惯性权重的粒子群算法(PSO)的全局搜索能力，对可行域空间进行初步筛选，选出落于全局最优解附近的可行解，并将其作为初始生长点，为后续的模拟植物生长算法(PGSA)提供初始值；然后以PSO得到的最优解作为初始生长点，利用PGSA强大的局部搜索能力并基于目标函数优劣值的生长空间优选法，快速且准确地找到满足要求的全局最优解。

技术领域

本发明涉及空间结构优化设计领域，尤其涉及一种用于空间结构的混合智能优化方法；即基于改进模拟植物生长—粒子群的空间结构优化方法，包括：截面优化、预应力优化、形状与拓扑优化、施工优化(结构安装与预应力张拉方案设计与优选)等。

背景技术

我国大跨度空间结构，尤其作为其重要分支的张弦结构(如：张弦梁、张弦桁架、弦支穹顶等)得到了长足的发展，但随着结构跨度的进一步增大，以及结构造型的日益复杂化，传统的钢结构或空间结构设计理念和方法已不能完全满足其发展要求，即：根据结构工程师的经验或通过反复试算和比选的方式已难以达到满意的效果。因此，为避免传统设计的弊端，合理选择结构方案，以充分发挥材料性能，提高结构效率，并进行结构体系创新，应采取科学的设计分析手段与方法，即工程结构的优化设计理论和方法。

另一方面，近年来基于生物智能或自然物理现象基础上的各类随机搜索算法，即：智能优化算法发展很快，并受到越来越多的关注。模拟植物生长算法(PGSA)作为一种新型智能优化算法，提出至今短短十余年，已在不同领域和复杂优化问题中得到应用，并取得了较好的优化效果。

发明内容

本发明的目的在于克服上述现有技术的缺点和不足，提供一种用于(大跨度)空间结构的混合智能优化方法，以提高计算与求解效率，并获取全局最优解。

本发明通过下述技术方案实现：

本发明将粒子群算法引入改进后的模拟植物生长算法，构建混合智能PP算法，以进一步提高模拟植物生长算法的寻优能力，将PP算法应用于空间结构优化设计中，能够显著提高优化效率并提升优化效果，其步骤包括如下：

步骤一，定义PSO算法参数：粒子的数量、觅食的次数等。

步骤二，随机产生初始粒子，粒子的分布应离散地分布在可行域的各个区域。

步骤三，利用设定的目标函数，判别各个体的优劣。

步骤四，利用式(4)和(5)判别各个体的优劣，通过循环不断更新粒子的速度与位置，直至达到最大觅食次数。

v_id(t)＝wv_id(t-1)+c₁γ₁[pbest_id(t-1)-p_id(t-1)]+c₂γ₂[gbest_id(t-1)-p_id(t-1)] (4)

p_id(t)＝p_id(t-1)+v_id(t) (5)

式中，v_id(t)为粒子飞行更新的速度；w为惯性权重；γ₁,γ₂是一个在区间[0,1]内产生的随机数；c₁,c₂为学习因子，分别体现了粒子亲身体验的学习记忆和借鉴他人的学习动力因素。在此基础上，重新计算个体最优解pbest_i(t)和群体最优解gbest(t)。

步骤五，利用群体的最优个体，作为初始生长点，设定PGSA的初始步长和精度。