[发明专利]一种适用于结构优化设计的独立基类自适应遗传优化算法

说明书

本发明公开了一种适用于结构优化设计的独立基类自适应遗传优化算法，根据解集种群计算初代解集种群的适应度；计算每个基类种群的初始优化效率；以每个基类优化效率作为该基类在轮盘赌选择中的适应度函数，根据轮盘赌选择下几代或者几十代中的最优基类并给它赋予较高的交叉概率以及变异概率，其他基类则作为次等基类赋予较低的交叉概率以及变异概率进行缓慢进化；经过几代或者几十代后，计算当前最优基类的在此次进化中的优化效率，并将该优化效率与次等基类的优化效率进行下一次的基类轮盘赌选择，一直循环，直到满足条件，寻找到最优个体，退出循环。本发明针对结构优化变量多，耦合度大的问题，提出了独立基类的解耦方法，具有较好的实用性。

技术领域

本发明属于结构优化设计的技术领域，具体涉及一种适用于结构优化设计的独立基类自适应遗传优化算法。

背景技术

加筋板结构，复材结构，口盖结构等被广泛使用，对这些结构在进行优化设计时其设计变量较多，不仅有连续变量还有离散变量，且变量与变量之间耦合程度大，解耦困难，同时不同设计变量对于优化目标的权重也不尽相同，优化设计难度大，无法采用传统的数学规划法或者准则法进行优化分析。

遗传算法是一种基于进化策略的优化搜索技术，具有高度的并行处理能力、强鲁棒性和全局搜索能力，因此遗传优化算法常被用于结构优化设计。但在实际应用中，特别是在工程中，对于非线性、多峰、带约束优化问题，传统遗传算法（TGA）存在局部搜索能力较差、早熟收敛等问题。

对于结构优化设计而言，其设计优化变量多，不仅有连续变量，还有离散变量，且设计变量之间相互耦合，同时不同设计变量对于优化目标的权重也不尽相同，因此优化设计的难度较大。传统的遗传算法在处理结构优化设计上无法针对不同的设计变量提出不同的交叉概率与变异概率，这样容易导致算法出现局部搜索能力较差、早熟收敛等问题。

因此，本发明基于遗传算法提出了一种适用于结构优化设计的独立基类自适应遗传算法，该算法将整个结构优化设计的变量分为独立基类进行优化，当一个基类在进行快速进化时，其他基类也在进行缓慢进化，这样就很好的解决了变量耦合的问题，避免了同时对大量的设计变量进行优化，有效的降低了结构优化分析的非线性程度和优化算法陷入局部最优的概率。

发明内容

本发明的目的在于提供一种适用于结构优化设计的独立基类自适应遗传优化算法，针对结构优化变量多，耦合度大的问题，提出了独立基类的解耦方法，具有较好的实用性。

本发明特别是针对结构设计中的复材加筋壁板结构优化，口盖结构布局优化，连接结构螺栓布局优化等。

本发明主要通过以下技术方案实现：

一种适用于结构优化设计的独立基类自适应遗传优化算法，主要包括以下步骤：

步骤S1：根据结构优化变量个数生成初代的基类种群，

步骤S2：将基类种群合并为解集种群，对解集种群进行筛选得到合格的解集种群，并根据解集种群计算初代解集种群的适应度；

步骤S3：计算每个基类种群的初始优化效率；以每个基类优化效率作为该基类在轮盘赌选择中的适应度函数，根据轮盘赌选择下几代或者几十代中的最优基类并给它赋予较高的交叉概率以及变异概率，其他基类则作为次等基类赋予较低的交叉概率以及变异概率进行缓慢进化；

步骤S4：经过几代或者几十代后，计算当前最优基类的在此次进化中的优化效率，并将该优化效率与次等基类的优化效率进行下一次的基类轮盘赌选择，一直循环，直到满足条件，寻找到最优个体，退出循环。

为了更好地实现本发明，进一步地，所述步骤S4中，如果次等基类曾经成为过最优基类，则基类优化效率为最近一次的最优基类优化效率，否则将采用该基类初始优化效率。

为了更好地实现本发明，进一步地，所述步骤S3中采用遍历基类种群的办法进行计算每个基类种群的初始优化效率。