一、近似技术在遗传算法和结构优化设计中的应用(英文)（论文文献综述）
刘奕[1]（2020）在《5G网络技术对提升4G网络性能的研究》文中进行了进一步梳理随着互联网的快速发展,越来越多的设备接入到移动网络,新的服务与应用层出不穷,对移动网络的容量、传输速率、延时等提出了更高的要求。5G技术的出现,使得满足这些要求成为了可能。而在5G全面实施之前,提高现有网络的性能及用户感知成为亟需解决的问题。本文从5G应用场景及目标入手,介绍了现网改善网络性能的处理办法,并针对当前5G关键技术 Massive MIMO 技术、MEC 技术、超密集组网、极简载波技术等作用开展探讨,为5G技术对4G 网络质量提升给以了有效参考。
赵亮[2]（2019）在《建设项目全生命周期节能驱动机制与多目标优化策略研究》文中研究表明近年来我国城市化进程不断加快,建筑业得到迅猛发展,随着人们物质和生活品质的改善,对建筑面积、居住环境和舒适度等条件的要求不断提高,导致能源消耗持续上升,因此建筑行业的节能降耗工作刻不容缓。对于建设项目而言,能源消耗贯穿规划设计、建设施工和运行维护全生命周期。本文以建设项目全生命周期节能驱动机制和多目标优化策略为研究对象:首先,通过科学计量学领域的可视化知识图谱,界定和识别建设项目全生命周期节能影响因素;其次,运用结构方程模型分析各因素对节能动力的影响路径和作用关系,探究建设项目全生命周期节能驱动机制;在此基础上,从可持续发展理论的社会、自然和经济三个维度出发,提出建设项目节能多目标优化策略;最后,通过工程项目案例验证优化策略的科学性和可行性。结果表明,建立的结构方程模型能客观反映建设项目全生命周期节能驱动机制,提出的建筑能耗、采光和成本多目标优化策略能获得平衡多性能目标的非支配解和进行成本预测。论文开展的研究工作主要包括以下几个方面:（1）在文献研究的基础上,运用科学计量学的方法对Web of Science和中国知网数据库中的文献进行可视化分析,使用Citespace分别绘制了国际、国内建设项目节能研究知识图谱。通过关键词共现分析和聚类分析,对全生命周期节能影响因素进行了识别和界定,构建了政府政策、节能技术、节能认知和设施管理对节能动力作用的理论模型。（2）根据实证研究的步骤和方法,开发了节能影响因素的测量量表,并对江苏省内从事建设项目管理和相关专业背景人员进行问卷调查。利用SPSS和AMOS等统计分析工具对调研样本进行了描述性统计、信度和效度检验,借助因子分析识别出影响建设项目全生命周期节能的5个因子,共包含33个二级测量指标。通过相关性分析、拟合指标检验和修正,最终构建出建设项目节能驱动的结构方程模型。利用修正后的模型和理论模型对研究假设进行检验,厘清了建设项目全生命周期政府政策、节能技术、节能认知和设施管理对节能动力的影响路径和作用机制。（3）在实证研究的基础上,从建设项目可持续发展的社会、自然和经济维度出发,确立以降低能耗为自然维度目标,以采光性能为社会维度目标,以项目成本为经济维度目标的建设项目节能多目标优化模型。通过BIM技术、参数化驱动和云计算等方法进行建筑能耗和采光模拟,研究了不同参量因素下建筑能耗和采光性能的变化机理。（4）针对本文提出的多目标优化模型,以Optimo作为优化引擎,分析NSGA-II算法在经典多目标优化问题上的收敛性、多样性和局限性;提出包括BIM模型建立、参数化驱动开发、建筑性能模拟、多目标优化设计、帕累托前沿分析、节能决策和评估6个步骤的基于NSGA-II算法的建筑性能多目标优化策略;并采用遗传算法改进BP-神经网络,实现成本预测的神经网络模型。（5）以某会展中心项目为例,选取窗墙比、建筑朝向、窗高、玻璃材质和墙体材质等设计参量,通过Dynamo参数化驱动BIM模型进行基于NSGA-II算法的项目能耗、采光性能优化,结果表明优化过程的收敛效果较好,并计算出平衡多性能目标要求的非支配解。将优化结果作为神经网络的输入数据进行训练,结果表明训练数据的迭代误差较小,可用于项目成本的预测分析。论文从工程项目管理视角厘清了全生命周期节能影响因素的作用路径并探究了节能驱动机制,并在实证研究的基础上,提出融合BIM技术、参数化驱动、云计算、遗传算法和神经网络进行建筑能耗、采光和成本多目标优化的策略,实现了定性和定量研究相结合的复合权衡节能调控,提升了我国建筑节能研究的信息化水平。该论文有图89幅,表55个,参考文献353篇。
司秉卉[3]（2019）在《建筑节能优化设计中优化算法的效能研究》文中认为近年来,性能化的建筑设计及其优化方法逐渐成为国内外关注的研究热点,在推动绿色、低碳、节能的建筑设计方面发挥了重要作用。能耗是建筑性能中最重要、最常见、最受关注的一种,因此,建筑节能优化设计成为性能化的建筑设计及其优化方法这一研究领域的主要研究方向。优化算法是建筑节能优化设计的重要组成部分,对其效果和效率有决定性的影响,它对于建筑节能优化设计的作用就好比航空发动机对于飞机的作用一样,是成败的关键。然而,当前对建筑节能优化设计中优化算法的研究非常不足,理论上对算法何时有效、何时失效、为何失效缺乏科学认知,应用上缺少面对不同的建筑节能优化设计问题时如何选择适宜算法的指导原则,导致设计实践中容易出现效率低下、无法获得最优设计方案等困难。本文通过建筑学、计算机科学、数学等学科的交叉,系统地开展了建筑节能优化设计中优化算法的效能研究,论文的主要内容如下:（1）基于通用优化理论,采用多参数的视角,分析了建筑节能优化设计问题的基本属性,提出了两种确定优化问题属性的方法。（2）提出了建筑节能优化设计中评价优化算法效能的指标体系,对每个评价指标给出了数学定义和定量计算方法。（3）揭示了建筑节能优化设计中优化算法的失效性,分析了优化算法失效的典型情况和可能导致算法失效的原因。（4）针对常用的几种优化算法,使用提出的效能评价指标对它们在解决不同属性的建筑节能优化设计问题时的效能进行了评价;针对不同的建筑节能优化设计变量和优化设计目标,根据它们对应的目标函数的属性,给出了适宜的优化算法和应该避免使用的优化算法建议。（5）提出了一种针对特定的建筑节能优化设计问题确定优化算法最佳参数设置的方法;针对不同的建筑节能优化设计问题,使用该方法确定了三种常见优化算法的最佳参数设置,同时给出了在建筑节能优化设计中合理设置算法参数的建议。（6）以南京牛首山风景区东入口游客服务中心为案例,进行了建筑节能优化设计方法的应用,分别使用推荐的适宜优化算法和建议避免的优化算法以比较它们的效能。结果证明,推荐使用的适宜优化算法的表现显着好于建议避免的优化算法,能更好地解决实际工程设计中的建筑节能优化设计问题。
黄章俊[4]（2010）在《复杂结构设计的优化方法和近似技术研究》文中研究说明在现代航空推进系统中,涡轮盘是航空发动机的关键部件,其工作条件非常严酷。为了减少或避免涡轮盘破坏性故障的发生,亟需采用有效方法进行涡轮盘优化设计,以便改善涡轮盘内部的温度及应力分布状况,提高涡轮盘的设计品质。因此,本文以发动机涡轮盘结构优化设计问题为应用背景,对复杂结构设计的优化方法和近似技术进行了研究和探讨。在复杂结构设计的优化方法上,主要研究了现代智能优化算法中的遗传算法和差分进化算法,重点解决已有遗传算法和差分进化算法在求解复杂约束优化问题时存在的早熟收敛、局部收敛、优化后期收敛速度慢等问题,提出有效的解决方法和优化算法。在近似技术方面,主要研究函数全局近似方法中的Kriging响应面法近似技术,重点解决已有Kriging响应面法在近似求解复杂优化设计问题时存在的函数评价次数多和计算量大的问题。首先,在分析遗传算法原理的基础上,针对传统遗传算法不适合求解复杂约束优化问题的缺陷,提出一种能够处理复杂约束条件的约束分级与排序方法。基于该方法和改进的遗传算子,提出一种求解约束优化问题的基于约束分级与排序的遗传算法。数值试验表明,该算法具有较好的稳定性和全局寻优能力,能够有效求解连续变量约束优化问题和连续-离散混合变量约束优化问题。其次,在分析差分进化算法原理的基础上,针对原始差分进化算法在求解约束全局优化问题时存在陷入局部最优的缺陷,提出一种改进的差分进化算法。该算法采用基于规则的方法进行种群个体的比较及选择,实现复杂约束条件的处理；并利用种群相似度和最优变异操作改善种群进行全局范围搜索的多样性,提高算法跳出局部最优的能力。数值试验表明,该算法具有较好的稳定性、收敛速度和全局寻优能力,不仅能有效求解连续变量约束优化问题,也适用于离散变量或混合变量优化问题。再次,针对原始差分进化算法后期收敛速度慢和不适合求解约束全局优化问题的缺陷,提出一种鲁棒的存档差分进化算法。该算法利用柔性处理算子扩展对不同类型优化问题的适用性；利用存档算子、迭代控制以及效率处理算子避免在设计空间中不必要的重复搜索,从而提高算法的局部搜索效率和最终解的精确度。数值试验表明,该算法具有较好的稳定性、收敛速度和全局寻优能力,对不同类型优化问题的适用性好,不仅适用于无约束优化问题,而且适用于连续变量和连续-离散混合变量约束优化问题。然后,为了解决复杂工程优化设计中设计精度和计算代价之间的矛盾,针对已有的Kriging方法计算量较大的缺陷,从样本处理、试验样本选取和近似优化框架三个方面进行改进,并将改进的Kriging方法与现代智能优化方法相结合,提出一种基于Kriging的近似优化方法,为复杂结构优化问题的求解提供一种计算代价低且计算精度能够满足工程需要的有效途径。计算结果表明,基于Kriging的近似优化方法能够在优化计算结果满足工程精度要求的前提下,显着减少优化设计的仿真分析次数,降低计算代价。最后,针对具有热-惯性离心载荷耦合作用特点的涡轮盘结构优化问题,建立涡轮盘优化设计模型及载荷分析模型,用基于Kriging的近似优化方法进行涡轮盘的近似优化设计,并对所获得的近似最优设计方案采用有限元方法进行仿真分析和验证。结果表明,采用基于Kriging的近似优化方法所获得的涡轮盘优化设计方案是一种重量轻、应力分布合理、材料有效利用率高的可行设计方案；近似优化设计的计算精度能够满足工程需要,计算代价小。
陆伊宁[5]（2021）在《混凝土桥梁施工复杂支撑体系安全评价及优化方法研究》文中研究说明为了适应桥梁向大跨、高空方向发展的趋势,由满堂支架、贝雷梁以及钢管柱组成的混凝土桥梁施工复杂支撑体系以其承载能力大,适应性强,搭设简便以及可重复利用等优点,在混凝土现浇桥梁施工中被广泛应用。但桥梁施工复杂支撑体系构件繁多、结构复杂,并且没有具体的设计标准和规范,在设计时如何实现安全性和经济性的双赢,是值得探索和研究的问题。本文采用理论研究、数值模拟和机器学习相结合的方法,对混凝土桥梁施工复杂支撑体系的安全综合评价以及结构优化方法进行研究,主要开展了以下研究工作:（1）针对桥梁施工复杂支撑体系的传力模式和受力特点进行分析,建立安全综合评价指标体系,提出综合安全度的概念作为结构安全储备定量评价结果,采用客观赋值法中的熵权法确定指标权重,并引入指标间冲突性对权重进行修正,建立了桥梁施工复杂支撑体系安全综合评价模型。（2）提出了基于支持向量机近似模型和遗传算法的结构优化方法,对遗传算法基本概念和步骤进行研究,采用罚函数法解决了遗传算法在有约束优化问题中的局限性,研究了支持向量机回归算法原理,以及训练样本选取、参数选择优化方法,提出了支持向量机构建结构近似模型的方法,以此代替遗传算法在结构优化中大量的有限元计算。（3）基于结构优化设计基本理论提出了桥梁施工复杂支撑体系优化方法,以结构总用钢量为目标函数,以各构件截面尺寸为设计变量,将结构综合安全度达到某一目标值以及各构件应力或位移满足安全要求为约束条件,建立了复杂支撑体系优化数学模型,研究了采用基于支持向量机近似模型和遗传算法的优化方法求解优化模型的步骤。（4）某斜拉桥主梁现浇施工采用由满堂支架、贝雷梁和钢管柱组合成的复杂支撑体系,对其进行安全评价和结构优化,得到原始设计参数下的综合安全度为2.51,安全储备较充足,存在一定优化空间,以综合安全度达到2.0时总用钢量最少为优化目标,优化后结构的综合安全度为2.09,相对于原始设计,总用钢量降低了20.99%,表明该桥梁施工复杂支撑体系优化方法可以使结构在保持一定的安全储备情况下达到最优经济用量。
邵梦旗[6]（2021）在《空间相机光机结构集成优化设计方法研究》文中研究说明随着航天遥感技术的快速发展,空间相机已在国民经济的各行各业得到了广泛的应用,空间相机的系统光学性能指标也越来越高。光学机械结构作为实现相机光学系统功能的主要组件,面对外界环境的干扰和发射成本的约束需要其具有良好的性能稳定性和足够的轻量化。然而,相机光学性能的提高往往伴随着口径和焦距的增大,这对光机结构的轻量化和力学性能稳定性的设计提出了巨大挑战。因此,需要研究先进的光机结构优化设计方法,使得光机结构能够兼顾不同指标的需求。本文从相机的光学性能响应量分析方法着手,提出了相机视轴稳定性误差和波前误差的系统性能评价方法,研究了集成相机视轴稳定性误差和波前误差的光机结构构型优化技术和尺寸参数多目标优化技术。主要研究内容和成果如下:研究了基于有限元分析和线性光学模型的视轴稳定性误差和系统波前误差的光机集成分析方法。详细阐述了空间相机光学系统中反射光线和折射光线的追迹原理,推导了视轴稳定性误差和波前误差的理论表达式。基于相机的光线追迹分析模型,分析了主反射镜和次反射镜镜面刚体位移和面形误差对系统光学性能的敏感性,建立了用于连接结构分析和光学性能评价的线性光学模型。设计了相机的初始光机结构,并结合有限元分析和线性光学模型对相机在重力和温度变化载荷作用下的视轴稳定性误差和波前误差的均方根值进行了评价。依据系统光学性能关于主反射镜和次反射镜刚体位移的线性灵敏度矩阵,将系统光学性能作为性能评价方程建立在光机结构的有限元模型中。以光学性能作为性能约束,并添加可制造性约束,以结构刚度最大为目标对次镜主支撑结构和主反射镜的初始构型进行了拓扑优化;以主反射镜面形均方根值为约束,结构刚度最大为目标对主支撑背板的初始构型进行了拓扑优化。利用移动渐近法求解优化模型,直到目标函数迭代收敛。拓扑优化结果显示:在满足光学性能要求的前提下,结构轻量化率达到了44.7%。在拓扑优化结果的基础上,对次镜主支撑结构和主反射镜进行了详细的尺寸参数化。采用基于拉丁超立方抽样的试验设计法对各尺寸参数进行了敏感性分析。对比了分别以镜面刚体位移为响应量和以系统光学性能为响应量的敏感性分析结果,讨论了以系统光学性能为目标响应量的重要性,并识别出了关键的尺寸参数。以关键尺寸参数为设计变量,以质量最小以及自重载荷和温升载荷作用下的视轴稳定性误差和波前误差最小为目标,建立了多目标优化模型。利用多目标遗传算法获得了帕累托最优解集,从解集中选取出了最符合要求的最终解。最终设计结果相比传统设计结果在性能稳定性和轻量化程度上具有明显的优势。对研制出的各组部件进行了尺寸稳定性测试。对整机的力学仿真模型进行了初步的质量特性校验,然后分别进行了整机的模态分析、正弦和随机振动频率响应分析以及动力学环境模拟试验;并检测了相机翻转前后的系统波前误差变化;以考核结构在不同振动条件以及静力学载荷条件下的稳定性。结果表明光机结构具有良好的性能稳定性,也证明了优化设计的有效性;同时,仿真分析和检测试验对比结果验证了本文分析模型的准确性。最终完成了空间相机良好性能稳定性和轻量化的综合设计目标。
梁振[7]（2021）在《缩减基法参数分离的改进及应用研究》文中认为目前的工程活动日益激烈,飞速发展的现代社会对缩短结构分析中的设计周期有更高的标准。在实际工程问题中,业主方常常要求设计者能够对工程结构进行快速设计。随着大规模结构越来越复杂,利用有限元分析来确定结构最优解影响了优化设计的效率。因此需要利用有限的计算机资源对结构展开有效的快速计算和求解。多年来,国内外专家、学者研究了很多算法的基本理论,提出很多有足够精度和计算效率的算法。但是仍然面临着诸多问题,需要深入探索和解决。本文结合ANSYS软件,提取需要的线弹性算子,利用求逆缩减基法解得与设计参数无关的线弹性算子,对缩减基法中参数分离的过程进行改进。并基于改进后的缩减基法,实现了对框架结构和地下侧墙结构的快速计算,结合遗传算法对其参数进行了优化设计。本文采用理论分析与数值模拟相结合的方法。首先对单元刚度矩阵的参数分离进行了理论研究。在此基础上,建立了同种单元组成的简单模型,利用ANSYS提取出相关的矩阵信息,用求逆缩减基法解得与设计参数无关的线弹性算子。其次,将改进后的缩减基法应用于平面框架结构,地下侧墙结构中,缩减基法改进后,在离线阶段使用均匀分布选取样本参数,再通过这些参数对应的有限元位移构建静力学样本空间,在在线阶段计算与设计参数无关的线弹性矩阵,选取新的设计参数,即可进行实时计算。再次,以有限元解为真实解,求得基于改进后缩减基法的相对误差,有较高的计算精度。选用不同数量的位移解组成缩减基空间,利用渐近法检验改进后的缩减基法精度,计算其结果输出,求解结构的计算误差效率,分析其相对误差和误差效率的变化规律。随后,对比有限元软件与改进的缩减基法计算过程消耗的时长,采用改进的缩减基法可以在在现阶段进行实时计算,缩短计算过程时间。通过合理的选择解空间参数样本的数量,以保证计算精度和运算效率。最后,将改进后的缩减基法中的在线阶段与遗传算法相结合,对框架结构和地下侧墙结构中的参数进行优化设计。迭代过程中无需根据参数的变化而重新进行有限元分析,调用改进后的缩减基法进行结构的快速计算,提高了结构设计中优化速度,减少了繁琐的时间。改进后的缩减基法拥有较高的精度,且对结构求解和优化分析时速度快,提高计算效率。
白晓伟[8]（2020）在《基于自然通风性能的全民健身中心空间形态优化研究》文中研究指明近年来,伴随我国全民健身事业的不断推进,全民健身中心开始在各地涌现。作为一种全新的体育建筑类型,全民健身中心的功能强调群众参与性、弱化观演性,建筑内部多个大空间立体叠加组合。空间布局的高度紧凑性降低了全民健身中心内部空间与外界环境接触的机会,由此导致对空调系统的普遍依赖,而适宜季节内的自然通风则有助于缓解空调系统运行能耗的巨大压力。在全民健身中心的各类设计因素中,空间形态作为建筑与环境的交互媒介,对气流具有重要的调控与引导作用。因此,亟待针对全民健身中心的空间特殊性与低成本运营要求,开展自然通风性能导向下的空间形态研究。本研究旨在整合各层级空间形态要素构建全民健身中心的自然通风系统,探索空间形态参数对自然通风性能的影响规律,进而建立基于预测模型的快速优化方法,对空间形态参数的最优组合方式展开搜索。对我国全民健身设施的发展动因和全民健身中心的基本特质进行解析,在此基础上从必要性、可行性及气候潜力3方面出发,对全民健身中心与自然通风之间的关联性进行分析。对全国范围内48座典型全民健身中心进行调研分析,提取空间形态特征;对典型全民健身中心展开现场测试,获取室内风环境特征。从自然通风降温、改善空气品质和运动项目要求3方面出发,提取空气温度、空气龄和风速作为全民健身中心自然通风性能评价目标。以此目标为导向,围绕空间形态要素对自然通风性能的作用机制展开深入研究。从进风口、形体空间、竖向腔体、出风口4个层级出发,对影响全民健身中心自然通风的空间形态要素进行分类解析。基于形态学分析方法,系统整合全民健身中心4个层级的空间形态要素,经过整体建筑的单元分区、形态要素的分区植入、分区系统的整合重构等一系列操作流程,建构整体的自然通风系统。结合全民健身中心的典型案例展开实践探讨,验证自然通风系统的建构流程在方案设计阶段的有效性。采用计算流体动力学（Computational Fluid Dynamics,CFD）数值模拟的方法,对全民健身中心自然通风系统的几何控制参数展开模拟分析。基于调研统计数据建立基础实验模型,提取4个层级空间形态要素的15个基本几何控制参数构建参数化模型,采用Flunet软件对空气温度、空气龄和风速值进行批量计算。采用控制变量分组实验对几何参数展开局部敏感性分析,探索单一参数变化对自然通风性能的影响趋势和作用规律;采用参数相关性方法展开全局敏感性分析,探索多个参数同时变化时对自然通风性能的影响,计算各几何参数的敏感性指标。为了实现自然通风性能导向下的全民健身中心空间形态快速优化,结合响应面方法建立自然通风性能预测模型,用以替代流程复杂、计算耗时的CFD数值模拟,采用遗传算法调用响应面模型展开多目标优化,并快速获取优化解集,从而为方案阶段空间形态设计决策的制定提供有效支持。同时,搭建各功能模块协同工作的优化平台,开发易于操作的人机交互界面。结合敏感性分析和多目标优化结果,提出基于自然通风性能的全民健身中心空间形态设计策略。研究建立了基于形态学分析方法的全民健身中心自然通风系统建构流程,揭示了空间形态参数对自然通风性能的影响规律,并确定了参数的敏感性指标。在此基础上构建了基于响应面的自然通风优化模型,实现了自然通风性能导向下全民健身中心空间形态的快速优化,并提出了空间形态的设计策略。本研究能够充实大空间体育建筑自然通风设计的方法体系,更新建筑自然通风性能优化的流程和方法,有助于实现全民健身中心的低成本可持续运营。
钟昌廷[9]（2020）在《基于智能优化算法的工程结构可靠度研究》文中研究指明在结构的设计和风险分析中,需要考虑与尺寸、荷载、材料性能等有关的各种不确定性的影响,可靠性分析是考虑这些不确定性的一种非常有效的技术,其主要任务是获得结构的失效概率。在可靠性分析的各种数值方法中,一阶可靠度法（FORM）是结构可靠性界非常流行的方法。然而,在求解具有高度非线性极限状态函数的高维问题时,一阶可靠度法通常会遇到不收敛或发散的情况。这一困难限制了一阶可靠度法在工程和复杂问题中的进一步应用。针对高非线性和高维可靠性分析问题,提出了四种基于不同群智能优化算法来改善一阶可靠度法的性能,并在复杂工程结构中进行了应用。本文主要工作如下:（1）提出了一种结合樽海鞘群算法（SSA）和一阶可靠度法的可靠性分析混合方法。SSA算法受深海樽海鞘群体食物搜索行为的启发,能够在优化问题中找到全局解。在所提出的SSA-FORM方法中,利用外部惩罚函数法来处理约束条件,以方便元启发式优化策略。然后,利用具有较强全局寻优能力的SSA算法寻找全局最优可靠指标。使用了8个算例对SSA-FORM方法进行了验证,并比较了多种基于梯度和基于启发式的改进一阶可靠度法。结果表明,所提出的SSA-FORM在非线性问题上有良好的性能。（2）提出了一种结合栗翅鹰优化（HHO）的改进一阶可靠度法用于高维问题的可靠度分析。HHO是一种模仿栗翅鹰捕食行为的元启发式算法,能有效地求解高维问题的全局最优解。为了实现所提出的HHO-FORM算法,首先根据形式理论将可靠性指标表示为约束优化问题的解。然后,利用外部罚函数法对约束条件进行处理。此外,最优可靠性指标由栗翅鹰优化算法确定,该优化通过基于种群的机制和莱维飞行策略加速收敛。HHO-FORM不需要极限状态函数的导数,从而减少了高维问题的计算负担。因此,HHO-FORM的简单性大大提高了求解高维可靠性问题的效率。将HHO-FORM应用于多个高维数值问题,并将其应用于一个高维框架结构可靠度分析。并将几种FORM算法与HHO-FORM进行了比较。实验结果表明,HHO-FORM算法在所测试的高维问题上有着良好的性能。（3）提出了一种基于教学优化的改进一阶可靠度法（TLBO-FORM）。TLBO的灵感源于课堂内教师学生的学习行为,以提高学习成绩作为优化目标。TLBO-FORM算法利用一阶可靠度理论将可靠性指标表示为一个约束优化问题的解。然后,采用外部罚函数法对优化问题进行约束处理。之后,采用TLBO的教师和学习两阶段策略,通过迭代过程寻找全局最优可靠指标。另外,还发展了多个版本的混沌TLBO-FORM方法。通过19个可靠度算例对所提算法进行测试,验证了所提方法的准确性和有效性,充分说明了TLBO-FORM能够在不同类型和各维度问题上的适用性。另外,通过参数讨论,说明了TLBO-FORM比HHO-FORM有着更好适应性的原因。（4）提出了采用平衡优化算法（EO）来改进一阶可靠度法进行结构可靠度分析。EO的灵感来源于用于评估动态和平衡状态的控制体积-质量平衡模型。为了实现EO-FORM算法,将可靠性指标表示为一个约束优化问题的解,而约束则由外部罚函数法处理,然后利用EO算法搜索全局可靠性指标。通过多个数值和工程算例对所提出的EO-FORM进行了验证,结果表明EO-FORM在各类问题中具有良好的精度和效率。最后给出了四种改进FORM方法求解不同类型可靠度问题的使用建议。（5）研究了大型复杂工程结构的可靠度分析,三个工程结构分别为布洛溪大桥、测地线空间网架穹顶结构、三维岩质边坡,并测试了第二章至第五章所提的SSA-FORM、HHO-FORM、TLBO-FORM、EO-FORM方法的性能,且分别设置了不同大小的算法参数进行性能对比。在布洛溪大桥结构可靠度分析中,TLBO-FORM在算法参数较小的时候性能最佳,EO-FORM则在算法参数较大时性能最佳。在测地线空间网架穹顶结构可靠度分析中,EO-FORM和SSA-FORM表现最好。在三维岩质边坡可靠度分析中,TLBO-FORM的性能最好,EO-FORM在算法参数较大时全局收敛性较好。结果表明,本论文所提方法可用于复杂工程结构可靠度分析中。（6）研究了新型带暗支撑组合核心筒结构的可靠度分析。首先基于编号为CW3X-1的核心筒低周往复实验结果,采用Open SEES软件对组合核心筒结构进行有限元分析。然后,考虑各种因素（荷载、混凝土与钢筋材料性能）的变异性和不确定性,计算新型核心筒结构的可靠指标,评估结构安全性能,并讨论了在不同轴压比、高宽比、连梁跨高比、墙肢钢板暗支撑含钢率、加载方式等因素对可靠指标和失效概率的影响。之后,采用本文所提智能优化FORM方法,评估了随机变量对可靠指标的参数敏感性。
王力凯[10]（2020）在《基于性能的建筑体量设计生成及优化系统》文中研究说明为了进一步挖掘计算机智能技术在辅助建筑设计,尤其是改善建筑性能方面的潜力,近年来许多研究者和建筑师开始关注“运算设计优化”（computational design optimization）技术对面向性能的建筑设计的辅助作用。其中针对建筑体量设计,不少研究者通过将参数化建模（parametric modelling）、优化算法（optimization algorithms）和性能模拟工具（performance simulations）三者结合,搭建了整合建筑体量设计生成、分析和优化过程的“设计优化运行流程”（design optimization workflows）,这为基于性能的建筑体量设计生产及优化提供了可行的技术路径和方法基础。采用这种技术路径的设计方法被称之为“基于性能的设计优化”（performance-based design optimization）。虽然一些研究结果显示,这种新的设计方法在建筑性能改善方面可以发挥一定的效用,但在实际应用中,基于这类新技术的优化系统的适用性一般较低,是一种高投入、低回报的计算机辅助建筑设计技术。一方面,建筑师在使用基于性能的设计优化时需要付出大量的时间和精力进行设计优化运行流程搭建及操作工作。另一方面,优化过程及优化结果的信息反馈仅能提供十分有限的设计信息,无法为建筑师的设计构思和深化推敲提供有效的参考和支持。因此,本研究将聚焦于上述两个问题,即如何整合优化系统的使用流程,以及如何提高设计优化输出结果的多样性。相应地,本研究在相关领域研究进展的基础上,以实现一种更符合建筑师在方案阶段设计可能性探索需求的计算机辅助设计方法,及其支持该设计方法必要的工具为目标,提出了一个集成化的建筑体量设计生成及优化系统（Performance-based Building Massing Design Generation and Optimization System,简称PBMDGO系统）,并以此进一步探索建筑体量设计在建筑性能改善方面的潜力。在开发PBMDGO系统的同时,本研究也探索了应对现有技术和方法局限性的解决策略和技术工具。本研究在常规设计优化运行流程（生成-分析-优化）的基础上进行了再设计,并在Rhino-Grasshopper平台下开发了面向一般性建筑体量性能设计优化问题的通用系统,即PBMDGO系统。基于再设计的运行流程的PBMDGO系统,一方面简化了优化运行流程的搭建和操作工作,另一方面增强了优化过程及优化结果的设计信息反馈程度。为实现上述系统功能,研究继续针对再设计的运行流程中的设计生成器（即建筑体量设计生成模型）,以及优化问题求解器（即优化算法）进行了适用性改造、重新开发和算法实现,并实现一个基于体量削减（“减法”）和体量叠加（“加法”）的建筑体量生成模型,以及一个兼顾“探索+挖掘”性的“多岛稳态遗传算法”（Steady-state Island Evolutionary Algorithm,SSIEA）。基于上述的生成模型和SSIEA算法,建筑师可以结合其他第三方性能模拟工具快速搭建面向设计优化运行流程,即不同性能目标的定制PBMDGO系统。为了考察PBMDGO系统在辅助建筑师进行设计优化和设计探索方面的效用,研究基于PBMDGO系统对不同设计条件和性能优化目标的设计问题进行了对比设计优化试验。结果显示,PBMDGO系统能够通过设计优化过程为针对不同性能目标和设计条件下的设计问题提供具有任务针对性的优化结果。此外,相较于其他设计优化运行流程,例如基于简单建筑体量生成模型或自由形态生成模型等,PBMDGO系统输出的基于正交几何的设计变体具有更清晰可辨的体量形态信息。另一方面,相较于基于多目标帕累托优化（multi-objective Pareto optimization）输出的混合了多种性能因素的设计优化结果,基于单目标的PBMDGO系统提供的优化结果则具有明确的性能指向性。PBMDGO系统回应了建筑师在方案阶段设计探索和设计优化的动态需求,能够为建筑师从“发散性探索”到“收敛性挖掘”的设计综合（design synthesis）过程提供反映建筑性能改善和建筑体量形态特征的设计信息反馈,同时也在一定程度上避免了由人的主观经验带来的设计固着（design fixation）,进而帮助建筑师实现一种“性能信息驱动的设计”（performance-informed/aware design）。因此,本研究提出的基于性能的建筑设计生成及优化过程,关注的并非是单向的设计辅助或者设计控制,而是更深层次的双向设计协作。从这点出发,PBMDGO系统也可以被视为一个独立和外化于“人类设计师”（human designers）,但同时又能与人类设计师（建筑师）协同进行设计工作的“机器设计师”（machine designers）。在这样的“人-机协同设计过程”（human-machine co-evolution design synthesis process）中,建筑师的设计综合能力将得到质的提升。在当前不断增强的数字化和智能化条件下,本研究提供了一种面向建筑性能的新设计方法,这将进一步推动“性能驱动的建筑”（performance-driven architectural design）的设计范式进程。本文正文共约118000字,图表233幅,代码约8300行。
二、近似技术在遗传算法和结构优化设计中的应用(英文)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、近似技术在遗传算法和结构优化设计中的应用(英文)（论文提纲范文）
（1）5G网络技术对提升4G网络性能的研究（论文提纲范文）
| 引言 |
| 1 4G网络现处理办法 |
| 2 4G网络可应用的5G关键技术 |
| 2.1 Msssive MIMO技术 |
| 2.2 极简载波技术 |
| 2.3 超密集组网 |
| 2.4 MEC技术 |
| 3 总结 |
（2）建设项目全生命周期节能驱动机制与多目标优化策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究问题的提出 |
| 1.4 研究内容 |
| 1.5 研究方法和技术路线 |
| 1.6 研究目的和意义 |
| 2 相关理论分析 |
| 2.1 全生命周期能耗理论 |
| 2.2 知识图谱理论 |
| 2.3 建设项目管理领域的多目标优化理论 |
| 2.4 本章小结 |
| 3 建设项目全生命周期节能驱动理论模型构建 |
| 3.1 建设项目全生命周期节能影响因素分析 |
| 3.2 基于知识图谱的节能影响因素识别 |
| 3.3 影响因素和测量指标的界定 |
| 3.4 建设项目节能驱动理论模型构建 |
| 3.5 本章小结 |
| 4 建设项目节能驱动机制的实证研究 |
| 4.1 实证研究的方法 |
| 4.2 问卷设计和数据采集 |
| 4.3 数据分析和处理 |
| 4.4 结构方程模型检验 |
| 4.5 假设检验和关键路径分析 |
| 4.6 本章小结 |
| 5 建设项目节能多目标优化策略研究 |
| 5.1 可持续发展目标分析 |
| 5.2 多目标优化模型的构成 |
| 5.3 基于BIM的建筑能耗和采光模拟 |
| 5.4 基于NSGA-II算法的建筑性能多目标优化 |
| 5.5 基于神经网络的项目成本预测 |
| 5.6 本章小结 |
| 6 工程案例研究 |
| 6.1 项目概况 |
| 6.2 建筑能耗和采光性能优化与分析 |
| 6.3 基于GA-BP神经网络的成本预测 |
| 6.4 本章小结 |
| 7 结论和展望 |
| 7.1 主要工作和结论 |
| 7.2 研究的主要创新点 |
| 7.3 研究的局限性 |
| 7.4 研究展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（3）建筑节能优化设计中优化算法的效能研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 建筑耗能现状 |
| 1.1.2 建筑节能设计 |
| 1.1.3 建筑节能优化设计 |
| 1.1.4 建筑节能优化设计中优化算法的关键作用 |
| 1.2 国内外研究现状及动态分析 |
| 1.2.1 优化算法和性能驱动的建筑设计 |
| 1.2.2 非建筑领域有关优化算法的研究 |
| 1.2.3 建筑领域有关优化算法的研究 |
| 1.2.4 算法研究中尚未解决的问题 |
| 1.2.5 本研究拟解决的主要问题 |
| 1.3 研究目标 |
| 1.4 研究内容 |
| 1.5 创新点 |
| 1.6 研究意义 |
| 1.7 论文的组织结构及章节安排 |
| 第二章 建筑节能优化设计问题和优化算法 |
| 2.1 优化问题的数学模型 |
| 2.2 建筑节能优化设计参数 |
| 2.2.1 对建筑节能有影响的设计参数 |
| 2.2.2 关键优化设计参数集 |
| 2.3 建筑节能优化设计目标 |
| 2.3.1 全年建筑能耗 |
| 2.3.2 全生命周期能耗 |
| 2.3.3 室内冷热负荷 |
| 2.3.4 碳排放量 |
| 2.3.5 能源成本 |
| 2.3.6 全生命周期成本 |
| 2.4 建筑节能优化设计问题的属性 |
| 2.4.2 优化变量的属性 |
| 2.4.3 目标函数的属性 |
| 2.4.4 约束条件的属性 |
| 2.5 确定建筑节能优化设计问题属性的方法 |
| 2.5.1 解析法 |
| 2.5.2 数值法 |
| 2.5.3 两种方法应用示例 |
| 2.6 优化算法 |
| 2.6.1 建筑节能优化设计中常用的优化算法 |
| 2.6.2 传统优化算法及其在建筑节能优化设计中的应用 |
| 2.6.3 智能优化算法及其在建筑节能优化设计中的应用 |
| 2.6.4 混合算法及其在建筑节能优化设计中的应用 |
| 2.7 建筑节能优化设计工具 |
| 2.7.1 通用的优化工具 |
| 2.7.2 专用的优化工具 |
| 2.7.3 自定义的优化工具 |
| 2.7.4 各类优化工具比较 |
| 2.8 本章小结 |
| 第三章 建筑节能优化设计中优化算法效能评价指标及算法失效性分析 |
| 3.1 优化算法效能的定义 |
| 3.2 单目标优化算法的效能评价指标 |
| 3.2.1 稳定性 |
| 3.2.2 有效性 |
| 3.2.3 速度 |
| 3.2.4 覆盖性 |
| 3.2.5 鲁棒性 |
| 3.2.6 收敛性 |
| 3.3 多目标优化算法的效能评价指标 |
| 3.3.1 帕累托最优集的规模 |
| 3.3.2 帕累托解的多样性 |
| 3.3.3 与真实或参考帕累托前沿的相似性 |
| 3.3.4 帕累托最优集中最佳解的质量 |
| 3.3.5 收敛速度 |
| 3.3.6 综合效能 |
| 3.4 优化算法的失效性 |
| 3.5 优化算法失效的典型情况 |
| 3.5.1 陷入局部最优 |
| 3.5.2 寻优速度过慢 |
| 3.5.3 优化结果不收敛 |
| 3.5.4 优化过程异常终止 |
| 3.5.5 低可靠性 |
| 3.6 优化算法失效的原因 |
| 3.6.1 优化问题的属性 |
| 3.6.2 算法的参数设置 |
| 3.6.3 初始解的选取 |
| 3.7 本章小结 |
| 第四章 常用算法在解决不同属性建筑节能优化设计问题时的效能评价 |
| 4.1 标准建筑 |
| 4.1.1 DOE商业建筑标准模型 |
| 4.1.2 本研究使用的标准建筑 |
| 4.2 标准优化设计目标和优化设计变量 |
| 4.2.1 优化设计目标 |
| 4.2.2 优化设计变量 |
| 4.3 不同属性的标准优化问题 |
| 4.3.1 目标函数的属性分析 |
| 4.3.2 构造不同属性的标准优化问题 |
| 4.4 优化算法及其控制参数 |
| 4.5 单目标优化算法解决不同属性优化问题时的效能评价 |
| 4.5.1 单峰 |
| 4.5.2 多峰 |
| 4.5.3 离散 |
| 4.5.4 多维单峰 |
| 4.5.5 小结 |
| 4.6 多目标优化算法解决不同属性优化问题时的效能评价 |
| 4.6.1 10个优化变量 |
| 4.6.2 20个优化变量 |
| 4.6.3 30个优化变量 |
| 4.6.4 小结 |
| 4.7 面向建筑节能优化设计细分问题的适宜算法建议 |
| 4.8 本章小结 |
| 第五章 优化算法的最佳参数设置 |
| 5.1 确定优化算法最佳参数设置的方法 |
| 5.1.1 步骤一:明确优化问题 |
| 5.1.2 步骤二:生成替代模型 |
| 5.1.3 步骤三:算法参数设置的优化 |
| 5.2 优化算法的控制参数优化结果 |
| 5.3 优化算法最佳参数设置的建议 |
| 5.4 本章小结 |
| 第六章 工程案例验证 |
| 6.1 案例建筑 |
| 6.1.1 案例建筑简介 |
| 6.1.2 EnergyPlus模型 |
| 6.2 优化问题 |
| 6.2.1 优化设计目标 |
| 6.2.2 优化设计变量 |
| 6.3 多目标优化算法及其参数设置 |
| 6.4 多目标优化算法的效能评价 |
| 6.4.1 参考帕累托前沿 |
| 6.4.2 帕累托最优集的规模 |
| 6.4.3 帕累托解的多样性 |
| 6.4.4 与参考帕累托前沿的相似性 |
| 6.4.5 帕累托最优集中最佳解的质量 |
| 6.4.6 收敛速度 |
| 6.4.7 综合效能 |
| 6.4.8 小结 |
| 6.5 不同设计方案比较 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究内容及研究成果总结 |
| 7.2 创新点及学术贡献 |
| 7.3 未来研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的学术成果 |
（4）复杂结构设计的优化方法和近似技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的和意义 |
| 1.2 结构优化的相关研究 |
| 1.2.1 优化及结构优化 |
| 1.2.2 结构优化的数学模型 |
| 1.2.3 结构优化的基本类型 |
| 1.2.4 结构优化的关键技术 |
| 1.3 结构优化方法 |
| 1.3.1 准则法 |
| 1.3.2 数学规划法 |
| 1.3.3 现代优化算法 |
| 1.4 近似技术 |
| 1.4.1 近似技术分类 |
| 1.4.2 多项式响应面法 |
| 1.4.3 Kriging响应面法 |
| 1.4.4 人工神经网络近似方法 |
| 1.5 本文工作 |
| 1.5.1 研究路线和方法 |
| 1.5.2 本文研究内容 |
| 1.5.3 主要创新点 |
| 第2章 基于约束分级与排序的遗传算法 |
| 2.1 引言 |
| 2.2 遗传算法基本理论 |
| 2.2.1 遗传算法的基本概念 |
| 2.2.2 数学基础 |
| 2.2.3 遗传算法的基本结构 |
| 2.3 约束分级与排序方法 |
| 2.3.1 约束分级与排序方法的目的 |
| 2.3.2 方法描述 |
| 2.3.3 算法实现 |
| 2.4 基于约束分级与排序的遗传算法 |
| 2.4.1 编码表示及种群初始化 |
| 2.4.2 遗传算子设计 |
| 2.4.3 基于约束分级与排序的选择运算 |
| 2.4.4 算法描述及控制参数分析 |
| 2.5 数值试验 |
| 2.5.1 测试函数 |
| 2.5.2 参数设置 |
| 2.5.3 试验结果及分析 |
| 2.6 本章小结 |
| 第3章 差分进化算法及其改进方法研究 |
| 3.1 引言 |
| 3.2 原始差分进化算法 |
| 3.2.1 算法介绍 |
| 3.2.2 基本操作 |
| 3.2.3 算法流程 |
| 3.2.4 版本模式 |
| 3.2.5 参数设置 |
| 3.3 用于约束优化的MDE算法 |
| 3.3.1 基于规则的约束处理 |
| 3.3.2 最优变异 |
| 3.3.3 MDE算法迭代终止标准 |
| 3.3.4 MDE算法的基本流程 |
| 3.3.5 MDE算法的参数设置 |
| 3.4 数值试验 |
| 3.4.1 数值优化实例 |
| 3.4.2 工程优化仿真 |
| 3.4.3 结果分析 |
| 3.5 本章小结 |
| 第4章 鲁棒的存档差分进化算法 |
| 4.1 引言 |
| 4.2 RADE算法的总体思想 |
| 4.3 RADE算法设计 |
| 4.3.1 柔性处理算子 |
| 4.3.2 存档算子 |
| 4.3.3 迭代控制 |
| 4.3.4 效率处理算子 |
| 4.4 RADE算法的基本流程和参数 |
| 4.4.1 算法的基本步骤和流程 |
| 4.4.2 算法参数设置 |
| 4.5 数值试验 |
| 4.5.1 无约束优化实例 |
| 4.5.2 连续变量约束优化实例 |
| 4.5.3 混合变量约束优化实例 |
| 4.6 本章小结 |
| 第5章 基于Kriging的近似优化技术研究 |
| 5.1 引言 |
| 5.2 Kriging方法基本理论 |
| 5.2.1 Kriging方法的原理 |
| 5.2.2 Kriging近似估计 |
| 5.2.3 Kriging方法的基本过程 |
| 5.3 基于Kriging的近似优化方法 |
| 5.3.1 系数矩阵的缩减 |
| 5.3.2 信赖域的更新 |
| 5.3.3 近似优化框架 |
| 5.3.4 结果评价指标 |
| 5.4 数值试验 |
| 5.4.1 优化参数设置 |
| 5.4.2 系数矩阵缩减对优化结果影响 |
| 5.4.3 近似优化与直接优化的比较 |
| 5.4.4 近似优化前后的等高线图比较 |
| 5.4.5 近似优化目标函数值及检验指标 |
| 5.5 本章小结 |
| 第6章 涡轮盘近似优化设计的研究 |
| 6.1 引言 |
| 6.2 涡轮盘优化设计模型的建立 |
| 6.2.1 设计依据 |
| 6.2.2 优化设计模型 |
| 6.2.3 涡轮盘有限元分析的基本方程 |
| 6.2.4 涡轮盘的载荷分析模型 |
| 6.3 设计方案的有限元分析 |
| 6.3.1 有限元分析的计算环境 |
| 6.3.2 通用涡轮盘有限元分析 |
| 6.4 涡轮盘初始试验设计 |
| 6.4.1 试验设计方法 |
| 6.4.2 初始试验设计结果 |
| 6.5 涡轮盘近似优化策略 |
| 6.5.1 近似模型设置 |
| 6.5.2 搜索算法设置 |
| 6.5.3 评价指标设置 |
| 6.6 涡轮盘优化设计的结果及分析 |
| 6.6.1 近似优化的结果 |
| 6.6.2 有限元分析结果 |
| 6.6.3 结果分析 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文的主要贡献 |
| 7.2 本文进一步的工作 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表及录用的论文 |
| 作者简历 |
| 附录 |
（5）混凝土桥梁施工复杂支撑体系安全评价及优化方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 支撑体系的发展现状 |
| 1.3 复杂支撑体系安全综合评价研究现状 |
| 1.3.1 综合评价方法 |
| 1.3.2 复杂支撑体系安全综合评价研究 |
| 1.4 复杂支撑体系优化设计研究现状 |
| 1.4.1 结构优化设计方法研究现状 |
| 1.4.2 优化中结构近似模型研究现状 |
| 1.4.3 复杂支撑体系优化研究现状 |
| 1.5 研究内容与技术路线 |
| 1.5.1 研究内容 |
| 1.5.2 研究技术路线 |
| 第2章 混凝土桥梁施工复杂支撑体系安全综合评价 |
| 2.1 引言 |
| 2.2 桥梁施工复杂支撑体系安全综合评价指标体系 |
| 2.3 评价指标权重确定方法 |
| 2.4 桥梁施工复杂支撑体系安全综合评价模型 |
| 2.5 本章小结 |
| 第3章 基于支持向量机近似模型-遗传算法的优化方法 |
| 3.1 引言 |
| 3.2 遗传算法理论 |
| 3.2.1 遗传算法基本概念 |
| 3.2.2 遗传算法基本步骤 |
| 3.2.3 罚函数法 |
| 3.3 支持向量机近似模型 |
| 3.3.1 支持向量机回归算法 |
| 3.3.2 样本点的选取 |
| 3.3.3 支持向量机核函数 |
| 3.3.4 支持向量机参数寻优 |
| 3.3.5 建立支持向量机近似模型的基本步骤 |
| 3.4 基于支持向量机近似模型-遗传算法的结构优化步骤 |
| 3.5 算例验证 |
| 3.6 本章小结 |
| 第4章 混凝土桥梁施工复杂支撑体系结构优化模型 |
| 4.1 引言 |
| 4.2 结构优化设计基本理论 |
| 4.2.1 结构优化设计一般数学模型 |
| 4.2.2 结构优化设计的层次 |
| 4.3 桥梁施工复杂支撑体系优化数学模型 |
| 4.4 优化模型求解步骤 |
| 4.5 本章小结 |
| 第5章 工程实例 |
| 5.1 工程概况 |
| 5.2 支撑体系受力分析 |
| 5.2.1 荷载计算 |
| 5.2.2 荷载组合 |
| 5.2.3 有限元模型 |
| 5.2.4 有限元计算结果分析 |
| 5.3 支撑体系安全评价 |
| 5.3.1 确定指标权重 |
| 5.3.2 安全评价 |
| 5.4 支撑体系结构优化 |
| 5.4.1 支撑体系优化数学模型 |
| 5.4.2 支撑体系支持向量机近似模型 |
| 5.4.3 支撑体系优化 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表论文情况 |
（6）空间相机光机结构集成优化设计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 空间相机光机结构设计与优化技术的国内外研究现状 |
| 1.2.1 空间相机光机结构的研究现状 |
| 1.2.2 光机结构优化技术的研究现状 |
| 1.3 集成光学性能响应量优化方法的技术难点 |
| 1.4 本文的主要研究内容 |
| 第2章 光机结构的光学性能评价方法研究 |
| 2.1 引言 |
| 2.2 光学系统的光线追迹分析 |
| 2.2.1 理论基础 |
| 2.2.2 反射光线和折射光线的追迹 |
| 2.2.3 视轴稳定性误差和系统波前误差的理论分析 |
| 2.2.4 某同轴折反式空间相机光学系统光线追迹结果 |
| 2.3 线性光学模型的建立 |
| 2.3.1 光学模型线性化方法 |
| 2.3.2 某同轴折反式空间相机光学模型线性化 |
| 2.4 初始光机结构设计 |
| 2.5 初始结构的光机集成分析 |
| 2.5.1 镜面性能分析方法 |
| 2.5.2 镜面分析结果 |
| 2.5.3 光机集成分析结果 |
| 2.6 本章小结 |
| 第3章 集成光学性能响应量的构型优化设计 |
| 3.1 引言 |
| 3.2 光机结构拓扑优化模型 |
| 3.2.1 材料属性插值模型 |
| 3.2.2 性能响应灵敏度分析 |
| 3.2.3 可制造性约束 |
| 3.2.4 集成视轴稳定性误差和波前误差拓扑优化模型 |
| 3.3 主反射镜构型优化 |
| 3.3.1 主反射镜性能需求 |
| 3.3.2 拓扑优化数学模型 |
| 3.3.3 拓扑优化结果 |
| 3.4 主支撑背板构型优化 |
| 3.5 次镜主支撑构型优化 |
| 3.5.1 次镜主支撑结构性能需求 |
| 3.5.2 拓扑优化数学模型 |
| 3.5.3 拓扑优化结果 |
| 3.6 设计结果性能评估 |
| 3.7 本章小结 |
| 第4章 尺寸参数的光学敏感性分析与集成优化设计 |
| 4.1 引言 |
| 4.2 参数敏感性分析方法 |
| 4.2.1 基于拉丁超立方随机抽样与回归分析的试验设计法 |
| 4.2.2 回归分析模型检验 |
| 4.3 尺寸优化模型与求解 |
| 4.3.1 集成视轴稳定性误差和波前误差尺寸优化模型 |
| 4.3.2 多目标优化问题求解方法 |
| 4.4 主反射镜和主支撑尺寸优化 |
| 4.4.1 主反射镜和主支撑的参数化 |
| 4.4.2 尺寸参数敏感性分析结果 |
| 4.4.3 尺寸参数多目标优化设计结果 |
| 4.5 主支撑背板尺寸优化 |
| 4.6 设计结果性能评估与对比 |
| 4.7 本章小结 |
| 第5章 光机结构性能稳定性分析与试验 |
| 5.1 引言 |
| 5.2 组部件稳定性测试 |
| 5.2.1 形位误差检测 |
| 5.2.2 主镜面形检测 |
| 5.3 整机动力学性能稳定性分析与试验 |
| 5.3.1 仿真分析 |
| 5.3.2 振动环境模拟试验 |
| 5.3.3 试验结果及其与仿真分析对比 |
| 5.4 整机静力学性能稳定性试验验证 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.1.1 论文结论 |
| 6.1.2 论文创新点 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（7）缩减基法参数分离的改进及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 本课题的研究背景和意义 |
| 1.2 常用的代理模型计算方法 |
| 1.2.1 响应面法 |
| 1.2.2 人工神经网络技术 |
| 1.2.3 变分技术 |
| 1.3 基于缩减基法的实时计算方法 |
| 1.3.1 缩减基法 |
| 1.3.2 缩减基法国内外研究现状 |
| 1.3.3 缩减基法面临的问题 |
| 1.4 本文主要的研究内容 |
| 2 缩减基法的改进 |
| 2.1 引言 |
| 2.2 缩减基法基本理论 |
| 2.3 缩减基法计算过程 |
| 2.4 基于ANSYS的线弹性算子分离 |
| 2.4.1 仿射变换 |
| 2.4.2 单元刚度矩阵参数分离 |
| 2.4.3 整体刚度矩阵参数分离 |
| 2.5 无设计参数线弹性算子的计算过程 |
| 2.6 误差估计 |
| 2.7 本章小结 |
| 3 改进后的缩减基法结构分析算例 |
| 3.1 引言 |
| 3.2 框架结构 |
| 3.2.1 计算无设计参数结构矩阵流程 |
| 3.2.2 采样方式的选择 |
| 3.2.3 解空间的构建 |
| 3.2.4 计算结果分析 |
| 3.3 基于系数缩减基法的框架结构分析 |
| 3.4 框架结构计算结果的误差分析 |
| 3.5 地下侧墙结构 |
| 3.5.1 同种单元设计参数关系式的分离 |
| 3.5.2 静力学解空间构建 |
| 3.5.3 计算结果及误差分析 |
| 3.5.4 有限元软件与改进的缩减基法耗时对比 |
| 3.6 本章小结 |
| 4 基于缩减基法参数分离的优化设计 |
| 4.1 引言 |
| 4.2 遗传算法的基本理论 |
| 4.3 基于缩减基法参数分离的快速优化算法 |
| 4.4 基于遗传算法的优化实例 |
| 4.4.1 框架结构的优化设计 |
| 4.4.2 地下侧墙结构的优化设计 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 本文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读学位期间的主要学术成果 |
| 致谢 |
（8）基于自然通风性能的全民健身中心空间形态优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.1.1 研究背景 |
| 1.1.2 研究目的 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 全民健身中心 |
| 1.2.2 大空间自然通风 |
| 1.2.3 自然通风性能导向下的空间形态优化 |
| 1.2.4 文献综述 |
| 1.3 研究内容及方法 |
| 1.3.1 研究对象 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.3.4 研究框架 |
| 第2章 全民健身中心自然通风的基础研究 |
| 2.1 全民健身设施的发展动因 |
| 2.1.1 公众健身需求的增长 |
| 2.1.2 国家政策法规的引导 |
| 2.1.3 体育消费产业的推动 |
| 2.2 全民健身中心的特质解析 |
| 2.2.1 功能特质 |
| 2.2.2 空间特质 |
| 2.2.3 运营特质 |
| 2.3 全民健身中心与自然通风的关联性分析 |
| 2.3.1 全民健身中心自然通风的必要性分析 |
| 2.3.2 全民健身中心自然通风的可行性分析 |
| 2.3.3 全民健身中心自然通风的气候潜力分析 |
| 2.4 本章小结 |
| 第3章 全民健身中心调研实测及自然通风目标建构 |
| 3.1 全民健身中心空间形态的调研分析 |
| 3.1.1 调研样本库建立 |
| 3.1.2 空间层级结构 |
| 3.1.3 功能单元提取 |
| 3.1.4 空间尺寸统计 |
| 3.1.5 空间模式归纳 |
| 3.2 全民健身中心室内风环境的现场实测 |
| 3.2.1 实测对象的基本信息 |
| 3.2.2 风环境实测方案 |
| 3.2.3 实测结果分析 |
| 3.3 自然通风性能评价目标 |
| 3.3.1 自然通风降温 |
| 3.3.2 改善空气品质 |
| 3.3.3 运动项目要求 |
| 3.4 本章小结 |
| 第4章 影响全民健身中心自然通风的空间形态要素研究 |
| 4.1 空间形态要素的类型解析 |
| 4.1.1 进风口形态类型 |
| 4.1.2 形体空间形态类型 |
| 4.1.3 竖向腔体形态类型 |
| 4.1.4 出风口形态类型 |
| 4.2 自然通风系统的建构流程 |
| 4.2.1 整体建筑的单元分区 |
| 4.2.2 形态要素的分区植入 |
| 4.2.3 分区系统的整合重构 |
| 4.2.4 组合方案的综合优选 |
| 4.3 自然通风系统的建构实践 |
| 4.3.1 实践项目的基本信息 |
| 4.3.2 实践项目的自然通风系统建构 |
| 4.3.3 实践项目的模拟验证 |
| 4.4 本章小结 |
| 第5章 全民健身中心空间形态对自然通风的敏感性分析 |
| 5.1 基础实验模型 |
| 5.1.1 基础实验模型设计 |
| 5.1.2 空间形态参数提取 |
| 5.1.3 参数化模型建构 |
| 5.2 CFD模拟设置 |
| 5.2.1 CFD模拟的参数设置 |
| 5.2.2 CFD平台可靠性验证 |
| 5.3 空间形态对自然通风的局部敏感性分析 |
| 5.3.1 进风口参数变量的CFD模拟分析 |
| 5.3.2 形体空间参数变量的CFD模拟分析 |
| 5.3.3 竖向腔体参数变量的CFD模拟分析 |
| 5.3.4 出风口参数变量的CFD模拟分析 |
| 5.3.5 CFD模拟结果综合分析 |
| 5.4 空间形态对自然通风的全局敏感性分析 |
| 5.4.1 全局敏感性分析方法 |
| 5.4.2 全局敏感性分析结果 |
| 5.5 本章小结 |
| 第6章 基于自然通风性能的空间形态优化及设计策略 |
| 6.1 基于自然通风性能的空间形态优化方法比较分析 |
| 6.1.1 基于CFD数值模拟的空间形态优化 |
| 6.1.2 基于风洞试验的空间形态优化 |
| 6.1.3 基于响应面的空间形态优化 |
| 6.2 基于自然通风性能的响应面预测模型建构 |
| 6.2.1 输入与输出变量 |
| 6.2.2 试验设计 |
| 6.2.3 数据拟合与插值 |
| 6.2.4 预测精度验证 |
| 6.3 基于自然通风性能的空间形态优化 |
| 6.3.1 优化算法选择 |
| 6.3.2 优化运算过程 |
| 6.3.3 优化结果分析 |
| 6.4 基于自然通风性能的空间形态优化平台 |
| 6.4.1 优化平台框架 |
| 6.4.2 优化平台界面 |
| 6.5 基于自然通风性能的空间形态设计策略 |
| 6.5.1 腔体植入的设计策略 |
| 6.5.2 形体空间的设计策略 |
| 6.5.3 界面风口的设计策略 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录1 实地调查项目基本信息 |
| 附录2 实测数据 |
| 附录3 响应面模型 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（9）基于智能优化算法的工程结构可靠度研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 结构可靠度方法发展现状 |
| 1.2.1 近似可靠度计算方法 |
| 1.2.2 抽样方法 |
| 1.2.3 矩方法 |
| 1.2.4 代理模型方法 |
| 1.3 智能优化算法的研究现状 |
| 1.3.1 智能优化算法的简介 |
| 1.3.2 智能优化算法在结构工程中的研究进展 |
| 1.3.3 智能优化算法在结构可靠度分析中的研究进展 |
| 1.4 研究过程中存在的问题 |
| 1.5 本文研究的主要工作 |
| 第2章 基于樽海鞘群算法的结构可靠度分析 |
| 2.1 结构可靠度分析的基本概念 |
| 2.2 结构可靠度分析基本方法 |
| 2.2.1 蒙特卡洛模拟法 |
| 2.2.2 一次二阶矩方法 |
| 2.2.3 响应面法 |
| 2.3 基于梯度优化算法的验算点法 |
| 2.4 智能优化算法基本理论 |
| 2.4.1 粒子群算法 |
| 2.4.2 混沌粒子群算法 |
| 2.5 基于樽海鞘群智能优化算法的一阶可靠度方法 |
| 2.5.1 可靠指标法 |
| 2.5.2 惩罚函数法 |
| 2.5.3 樽海鞘群算法 |
| 2.5.4 执行步骤 |
| 2.6 算例 |
| 2.6.1 低维可靠度问题 |
| 2.6.2 高维可靠度问题 |
| 2.6.3 工程结构可靠度问题 |
| 2.7 小结 |
| 第3章 基于哈里斯鹰优化算法的高维结构可靠度分析 |
| 3.1 引言 |
| 3.2 元启发式算法介绍 |
| 3.2.1 粒子群算法 |
| 3.2.2 灰狼优化算法 |
| 3.2.3 樽海鞘群算法 |
| 3.2.4 蜻蜓算法 |
| 3.3 基于哈里斯鹰优化的一阶可靠度分析方法 |
| 3.3.1 基本FORM理论 |
| 3.3.2 哈里斯鹰优化算法 |
| 3.3.3 约束处理技术 |
| 3.3.4 算法执行步骤 |
| 3.4 算例分析 |
| 3.5 小结 |
| 第4章 基于教学优化算法的结构可靠度分析 |
| 4.1 引言 |
| 4.2 基于教学优化的FORM方法 |
| 4.2.1 可靠指标法 |
| 4.2.2 教学优化算法 |
| 4.2.3 约束处理技术 |
| 4.2.4 执行步骤 |
| 4.3 混沌TLBO-FORM方法 |
| 4.4 算例分析 |
| 4.5 参数讨论 |
| 4.6 小结 |
| 第5章 基于平衡优化算法的结构可靠度分析 |
| 5.1 引言 |
| 5.2 平衡优化算法介绍 |
| 5.3 算法执行步骤 |
| 5.4 算例分析 |
| 5.5 小结 |
| 第6章 大跨结构和边坡结构可靠度案例分析 |
| 6.1 引言 |
| 6.2 布洛溪大桥的结构可靠度分析 |
| 6.3 空间网架穹顶结构可靠度分析 |
| 6.4 三维岩质边坡可靠度分析 |
| 6.4.1 三维岩质边坡稳定性评价的确定性模型 |
| 6.4.2 边坡结构可靠度分析模型 |
| 6.5 本章小结 |
| 第7章 带钢板暗支撑组合核心筒结构可靠度分析 |
| 7.1 引言 |
| 7.2 试验概况 |
| 7.3 有限元分析模型 |
| 7.4 核心筒结构可靠度参数分析 |
| 7.4.1 轴压比 |
| 7.4.2 高宽比 |
| 7.4.3 连梁跨高比 |
| 7.4.4 暗支撑含钢率 |
| 7.4.5 加载方式 |
| 7.5 随机变量的敏感性分析 |
| 7.6 小结 |
| 结论与展望 |
| 参考文献 |
| 附录 A 核心筒随机变量敏感性分析计算结果 |
| 附录 B 攻读学位期间发表的学术论文目录 |
| 致谢 |
（10）基于性能的建筑体量设计生成及优化系统（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及问题缘起 |
| 1.1.1 建筑性能与建筑体量设计 |
| 1.1.2 基于性能的建筑设计 |
| 1.1.3 基于性能的设计优化技术 |
| 1.2 研究问题及目标 |
| 1.3 研究内容及方法 |
| 1.4 相关概念界定 |
| 1.5 研究意义 |
| 1.6 研究路径及论文框架 |
| 1.6.1 研究路径 |
| 1.6.2 论文框架 |
| 第2章 文献综述 |
| 2.1 基于性能的设计优化技术 |
| 2.1.1 技术搭建平台 |
| 2.1.2 在建筑体量设计中的应用 |
| 2.2 建筑设计的参数化建模 |
| 2.2.1 可视化参数化建模技术 |
| 2.2.2 复杂参数化建模策略 |
| 2.3 建筑设计与优化算法 |
| 2.3.1 辅助建筑设计的优化算法 |
| 2.3.2 优化结果与设计信息反馈 |
| 2.4 本章小结 |
| 第3章 PBMDGO系统的搭建 |
| 3.1 系统的运行流程再设计 |
| 3.1.1 系统概述 |
| 3.1.2 运行流程的适用性改造 |
| 3.1.3 生成器模块设计(建筑体量生成方法) |
| 3.1.4 求解器模块设计(优化算法寻优方法) |
| 3.2 系统的搭建工具 |
| 3.2.1 交互界面设计 |
| 3.2.2 建筑体量生成组件 |
| 3.2.3 优化算法组件 |
| 3.2.4 辅助工具组件 |
| 3.3 本章小结 |
| 第4章 基于体量削减/叠加原则的设计生成器 |
| 4.1 “减法”算法 |
| 4.1.1 算法概述 |
| 4.1.2 算法实现及用户交互 |
| 4.1.3 体量设计策略的控制方法 |
| 4.2 “加法”算法 |
| 4.2.1 算法概述 |
| 4.2.2 算法实现及用户交互 |
| 4.2.3 体量设计策略的控制方法 |
| 4.3 本章小结 |
| 第5章 “探索+挖掘”性的优化问题求解器 |
| 5.1 SSIEA算法 |
| 5.1.1 工作流程 |
| 5.1.2 算法实现 |
| 5.1.3 进化操作 |
| 5.1.4 多岛模型 |
| 5.1.5 稳态替换策略 |
| 5.1.6 拉丁超立方采样 |
| 5.2 算法性能测试分析 |
| 5.2.1 测试问题 |
| 5.2.2 对比算法 |
| 5.2.3 对比指标 |
| 5.2.4 实验结果 |
| 5.3 算法比较分析 |
| 5.4 本章小结 |
| 第6章 PBMDGO系统的应用测试 |
| 6.1 系统搭建及操作示例 |
| 6.1.1 系统运行流程的搭建 |
| 6.1.2 优化前的参数设置 |
| 6.1.3 优化运行过程 |
| 6.1.4 优化结果分析 |
| 6.2 不同设计条件下效用测试 |
| 6.2.1 设计任务及试验设置 |
| 6.2.2 测试问题1优化结果 |
| 6.2.3 测试问题2优化结果 |
| 6.3 优化结果的综合分析 |
| 6.4 本章小结 |
| 第7章 讨论 |
| 7.1 PBMDGO系统的适用性特征 |
| 7.1.1 前置式应用流程 |
| 7.1.2 可复用的设计优化工具 |
| 7.2 设计知识与生成技术 |
| 7.2.1 设计知识的再现(元模型) |
| 7.2.2 设计知识的传递(信息反馈) |
| 7.3 设计综合与算法寻优 |
| 7.4 PBMDGO系统的局限性 |
| 1 )优化对象的建筑类型 |
| 2 )优化结果的形态自由度 |
| 3 )信息反馈的精度控制 |
| 4 )性能目标的种类及优先级 |
| 7.5 后续研究 |
| 7.5.1 设计优化系统应用流程的标准化 |
| 7.5.2 体量形态生成算法的适应度 |
| 7.5.3 SSIEA算法性能的再挖掘 |
| 7.5.4 优化结果的空间重构及其可视化 |
| 第8章 总结 |
| 致谢 |
| 主要参考文献 |
| 插图和附表清单 |
| 攻读学位期间发表的学术论文目录 |
四、近似技术在遗传算法和结构优化设计中的应用(英文)（论文参考文献）
- [1]5G网络技术对提升4G网络性能的研究[J]. 刘奕. 数码世界, 2020(04)
- [2]建设项目全生命周期节能驱动机制与多目标优化策略研究[D]. 赵亮. 中国矿业大学, 2019(04)
- [3]建筑节能优化设计中优化算法的效能研究[D]. 司秉卉. 东南大学, 2019
- [4]复杂结构设计的优化方法和近似技术研究[D]. 黄章俊. 东北大学, 2010(03)
- [5]混凝土桥梁施工复杂支撑体系安全评价及优化方法研究[D]. 陆伊宁. 广西大学, 2021(12)
- [6]空间相机光机结构集成优化设计方法研究[D]. 邵梦旗. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [7]缩减基法参数分离的改进及应用研究[D]. 梁振. 中南林业科技大学, 2021(01)
- [8]基于自然通风性能的全民健身中心空间形态优化研究[D]. 白晓伟. 哈尔滨工业大学, 2020(02)
- [9]基于智能优化算法的工程结构可靠度研究[D]. 钟昌廷. 湖南大学, 2020(02)
- [10]基于性能的建筑体量设计生成及优化系统[D]. 王力凯. 南京大学, 2020