上传于:2020-09-26 11:36:12
0
4分

介绍了用于离散变量的粒子群优化(PSO)算法以及加入了约束处理的启发式粒子群优化(HPSO)算法。将HPSO算法的约束处理策略与另一种适用于粒子群算法的约束处理方法结合,并将改进后的算法应用到3个离散变量桁架结构截面优化设计算例中,同时与HPSO算法进行了对比分析。对于每个算例,改进算法和HPSO算法都运行了多次,从多次运行的统计数据中可以看出,改进算法比HPSO算法更稳定、收敛速度更快、搜索精度更高,且其约束处理方法减少了结构分析的次数,从而提高了整个程序运行的速度。

粒子群优化算法在离散变量结构优化中的应用-图一

粒子群优化算法在离散变量结构优化中的应用-图一

粒子群优化算法在离散变量结构优化中的应用-图二

粒子群优化算法在离散变量结构优化中的应用-图二

粒子群优化算法在离散变量结构优化中的应用-图三

粒子群优化算法在离散变量结构优化中的应用-图三

粒子群优化算法在离散变量结构优化中的应用-图四

粒子群优化算法在离散变量结构优化中的应用-图四

点击立即下载源文件

特别声明:本资料属于用户上传的共享下载内容,仅只用于学习不可用于商业用途,如有版权问题,请及时 联系站方删除!

收藏
分享

微信扫码分享

点击分享

点击查看更多
全部评论 我要评论
暂无评论