遗传算法在结构优化中的应用.doc

摘要：遗传算法的本质意义是基于模仿生物界遗传学过程的一种生物行为．遗传算法的过程是把相关系统的所对应的变量拿基因座表示，把系统对应的变量的解用染色体即(个体)代表（一般在科学计算机里拿二进制编码表示），从而得到一组由不同的个体（具有不同染色体）组成的种群，这些种群在系统特定的约束条件下进行生存选择竞争遗传变异等活动，适应度较好的个体有较大的概率去生存选择环境和产生遗传给后代．下一代随机化地继承了上一代最优良的基因特性，并也在生存环境的控制下继续这一过程．种群中的每个个体都逐渐的开始适应环境，不断地选择进化繁衍，不停的重复，最后收敛到一群在各个方面都相当优良的种群，即得到了系统对应的最优的变量的解．值得提及的一处即是，当今所研究的遗传算法是是起源于深受生物进化论思想，这种学说同样也很适合用科学计算机通过一定的学说支持去解决复杂的人工比较复杂的问题，而遗传算法在结构优化中的工程等的应用也相当常见，主要有各种模型通过系统的相关变量（尺寸变量、形状变量、拓扑变量、材料种类、）、各种模型的约束条件（强度、刚度、稳定性、频率等）及各种模型的单元（杆、梁、板、壳、膜、二维元及三维实体元等）的各种线性及非线性的组合结构的形成的、静力、动力或控制结构优化问题等。

关键字：遗传算法 ; 结构优化 ; 基因 ; 最优解

目录

摘要

ABSTRACT

引言-1

1 .1研究模块-2

1.1.1有限元-2

1.1.2遗传算法-2

1.1.3 结构优化-2

1.2模块知识现状-3

1.2.1现阶段主要的优化方法：-3

1.2.2优化发展应用现状：-4

1.3  有限元建模-4

1.3.1 基本概念-4

1.3.2  有限元建模准则-5

1.4遗传算法的研究现状-6

1.4.1对遗传算法发展趋势的几点认识-7

2.遗传算法-8

2.1 遗传算法原理和步骤：-8

2.2各步骤详解-9

2.2.1编码-9

2.2.2初始种群的生成：-9

2.2.3适应度函数-9

2.2.4  个体选择-10

2.2.5 染色体交叉-11

2.2.6  染色体变异-12

2.3  遗传算法相关参数介绍-13

2.4  遗传算法的特点 -13

3.有限元模型的确立和matlab-15

3.1有限元模型的确立-15

3.2优化的类型-16

3.3三杆桁架结构-16

3.4 MATLAB语言-17

3.4.1　MATLAB的工作界面-19

3.4.2 GA工具箱介绍-20

3.4.3 GA程序的实现-21

4 .三杆桁架结构的遗传算法优化-23

4.1各步骤详解：-23

4.2 结果分析：-24

总结-27

致谢-28

参考文献-29