求自适应遗传算法的MATLAB代码 要谢菲尔德遗传算法工具箱的_百度知道
求自适应遗传算法的MATLAB代码 要谢菲尔德遗传算法工具箱的
fplot('Pr' plot(trace(1;
Pc1=0:)&#39,'
plot(I,[-1;NIND; NIND=40;1;
ObjVSel=v;
Pm2=0;;= FitnVave)
Index1=find(FitnV&grid,1;1]; ObjV=v,1); FieldD=[20,SelCh;v,FieldD),2]);
v=bs2rv(SelCh;b*'length(ObjV);
SelCh=mut(SelCh(Index2; FitnVave),
FitnV=ranking(-ObjV),SelCh(Index1;
Index2=find(FitnV&1,GGAP); gen=0;= FitnVave);,1.9,Pc1),1),FitnV, FieldD)
plot(ObjV,;sus' %适应度最大值
FitnVave=sum(FitnV)&#47,SelCh(Index2,Pm2).0.05; Chrom=crtbp(NIND,gen)=max(ObjV);
SelCh=recombin(';
end %end figure(3); trace=zeros(2; legend('
trace(1; MAXGEN=30;.*sin(10*pi*v)+2;
[Chrom ObjV]=reins(Chrom,&#39.*sin(10*pi*v)+2,');;
gen=gen+1,ObjV;
%计算适应度
SelCh=select(&#39:)'
variable=bs2rv(C(FitnVmax- FitnVave);
Pc2=0;MAXGEN.0&#39,MAXGEN),I]=max(ObjV); v=bs2rv(Cxovsp&#39,Y,Pm1).0,C-,1),FieldD),1);;(FitnVmax- FitnVave),1))&#47,&#39,ObjVSel).'-1.02*(FitnVmax- FitnV(I
trace(2.85; plot(trace(2; while gen&
plot(ObjV),
SelCh=recombin('2.5*(FitnVmax- FitnV(I
%适应度平均值
if(FitnV&0,; PRECI=20;解的变化'bo&#39,PRECI);
Pm1=0;xovsp');
SelCh=mut(SelCh(Index1;),gen)=sum(ObjV)&#47,1))/ GGAP=0;
FitnVmax=max(FitnV).*sin(10*pi*v)+2;
if (gen==20)
figure(2); );;种群均值的变化&#39网上找的这个版本的不可用
就不要发了figure(1),&#39,Pc2)
这是一道待解决的难题
您的回答被采纳后将获得系统奖励20（财富值+经验值）+难题奖励10（财富值+经验值）+提问者悬赏100（财富值+经验值）
我有更好的答案
按默认排序
,然后工具,这个需要你理解你都要做,globaloptimization。 另外一种通过命令行调用,一种图形界面的,遗传算法工具是全局优化工具箱里面的,这个从开始菜单,然后从里面找神经网络neuralnetwork.都是有两种调用方法
其他类似问题
遗传算法的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁 下载
 收藏
该文档贡献者很忙，什么也没留下。
 下载此文档
正在努力加载中...
遗传算法的改进及其在桁架拓扑优化中的应用
下载积分：1000
内容提示：
文档格式：PDF|
浏览次数：1|
上传日期： 06:33:33|
文档星级：
该用户还上传了这些文档
遗传算法的改进及其在桁架拓扑优化中的应用.PDF
官方公共微信6595人阅读
遗传算法实例:也是自己找来的，原代码有少许错误，本人都已更正了，调试运行都通过了的。对于初学者，尤其是还没有编程经验的非常有用的一个文件遗传算法实例% 下面举例说明遗传算法 %% 求下列函数的最大值 %% f(x)=10*sin(5x)+7*cos(4x) x&[0,10] %% 将 x 的值用一个10位的二值形式表示为二值问题，一个10位的二值数提供的分辨率是每为 (10-0)/(2^10-1)&0.01 。 %% 将变量域 [0,10] 离散化为二值域 [0,1023], x=0+10*b/1023, 其中 b 是 [0,1023] 中的一个二值数。 %% %%--------------------------------------------------------------------------------------------------------------%%--------------------------------------------------------------------------------------------------------------%% 编程%-----------------------------------------------% 2.1初始化(编码)% initpop.m函数的功能是实现群体的初始化，popsize表示群体的大小，chromlength表示染色体的长度(二值数的长度)，% 长度大小取决于变量的二进制编码的长度(在本例中取10位)。%遗传算法子程序%Name: initpop.m%初始化function pop=initpop(popsize,chromlength) pop=round(rand(popsize,chromlength)); % rand随机产生每个单元为 {0,1} 行数为popsize，列数为chromlength的矩阵，% roud对矩阵的每个单元进行圆整。这样产生的初始种群。% 2.2 计算目标函数值% 2.2.1 将二进制数转化为十进制数(1)%遗传算法子程序%Name: decodebinary.m%产生 [2^n 2^(n-1) ... 1] 的行向量，然后求和，将二进制转化为十进制function pop2=decodebinary(pop)[px,py]=size(pop); %求pop行和列数for i=1:pypop1(:,i)=2.^(py-i).*pop(:,i);endpop2=sum(pop1,2); %求pop1的每行之和% 2.2.2 将二进制编码转化为十进制数(2)% decodechrom.m函数的功能是将染色体(或二进制编码)转换为十进制，参数spoint表示待解码的二进制串的起始位置% (对于多个变量而言，如有两个变量，采用20为表示，每个变量10为，则第一个变量从1开始，另一个变量从11开始。本例为1)，% 参数1ength表示所截取的长度（本例为10）。%遗传算法子程序%Name: decodechrom.m%将二进制编码转换成十进制function pop2=decodechrom(pop,spoint,length)pop1=pop(:,spoint:spoint+length-1);pop2=decodebinary(pop1);% 2.2.3 计算目标函数值% calobjvalue.m函数的功能是实现目标函数的计算，其公式采用本文示例仿真，可根据不同优化问题予以修改。%遗传算法子程序%Name: calobjvalue.m%实现目标函数的计算function [objvalue]=calobjvalue(pop)temp1=decodechrom(pop,1,10); %将pop每行转化成十进制数x=temp1*10/1023; %将二值域 中的数转化为变量域 的数objvalue=10*sin(5*x)+7*cos(4*x); %计算目标函数值% 2.3 计算个体的适应值%遗传算法子程序%Name:calfitvalue.m%计算个体的适应值function fitvalue=calfitvalue(objvalue)global CCmin=0;[px,py]=size(objvalue);for i=1:pxif objvalue(i)+Cmin&0temp=Cmin+objvalue(i);elsetemp=0.0;endfitvalue(i)=endfitvalue=fitvalue';% 2.4 选择复制% 选择或复制操作是决定哪些个体可以进入下一代。程序中采用赌轮盘选择法选择，这种方法较易实现。% 根据方程 pi=fi/&fi=fi/fsum ，选择步骤：% 1） 在第 t 代，由（1）式计算 fsum 和 pi % 2） 产生 {0,1} 的随机数 rand( .)，求 s=rand( .)*fsum% 3） 求 &fi&s 中最小的 k ，则第 k 个个体被选中% 4） 进行 N 次2）、3）操作，得到 N 个个体，成为第 t=t+1 代种群%遗传算法子程序%Name: selection.m%选择复制function [newpop]=selection(pop,fitvalue)totalfit=sum(fitvalue); %求适应值之和fitvalue=fitvalue/ %单个个体被选择的概率fitvalue=cumsum(fitvalue); %如 fitvalue=[1 2 3 4]，则 cumsum(fitvalue)=[1 3 6 10] [px,py]=size(pop);ms=sort(rand(px,1)); %从小到大排列fitin=1;newin=1;while newin&=pxif(ms(newin))&fitvalue(fitin)newpop(newin)=pop(fitin);newin=newin+1;elsefitin=fitin+1;endend% 2.5 交叉% 交叉(crossover)，群体中的每个个体之间都以一定的概率 pc 交叉，即两个个体从各自字符串的某一位置% （一般是随机确定）开始互相交换，这类似生物进化过程中的基因分裂与重组。例如，假设2个父代个体x1，x2为：% x1=0100110% x2=1010001% 从每个个体的第3位开始交叉，交又后得到2个新的子代个体y1，y2分别为：% y1＝0100001% y2＝1010110% 这样2个子代个体就分别具有了2个父代个体的某些特征。利用交又我们有可能由父代个体在子代组合成具有更高适合度的个体。% 事实上交又是遗传算法区别于其它传统优化方法的主要特点之一。%遗传算法子程序%Name: crossover.m%交叉function [newpop]=crossover(pop,pc)[px,py]=size(pop);newpop=ones(size(pop));for i=1:2:px-1if(rand&pc)cpoint=round(rand*py);newpop(i,:)=[pop(i,1:cpoint),pop(i+1,cpoint+1:py)];newpop(i+1,:)=[pop(i+1,1:cpoint),pop(i,cpoint+1:py)];elsenewpop(i,:)=pop(i);newpop(i+1,:)=pop(i+1);endend% 2.6 变异% 变异(mutation)，基因的突变普遍存在于生物的进化过程中。变异是指父代中的每个个体的每一位都以概率 pm 翻转，即由&1&变为&0&，% 或由&0&变为&1&。遗传算法的变异特性可以使求解过程随机地搜索到解可能存在的整个空间，因此可以在一定程度上求得全局最优解。%遗传算法子程序%Name: mutation.m%变异function [newpop]=mutation(pop,pm)[px,py]=size(pop);newpop=ones(size(pop));for i=1:pxif(rand&pm)mpoint=round(rand*py);if mpoint&=0mpoint=1;endnewpop(i)=pop(i);if any(newpop(i,mpoint))==0newpop(i,mpoint)=1;elsenewpop(i,mpoint)=0;endelsenewpop(i)=pop(i);endend% 2.7 求出群体中最大得适应值及其个体%遗传算法子程序%Name: best.m%求出群体中适应值最大的值function [bestindividual,bestfit]=best(pop,fitvalue)[px,py]=size(pop);bestindividual=pop(1,:);bestfit=fitvalue(1);for i=2:pxif fitvalue(i)&bestfitbestindividual=pop(i,:);bestfit=fitvalue(i);endend% 2.8 主程序%遗传算法主程序%Name:genmain05.mclearclfpopsize=20; %群体大小chromlength=10; %字符串长度（个体长度）pc=0.6; %交叉概率pm=0.001; %变异概率pop=initpop(popsize,chromlength); %随机产生初始群体for i=1:20 %20为迭代次数[objvalue]=calobjvalue(pop); %计算目标函数fitvalue=calfitvalue(objvalue); %计算群体中每个个体的适应度[newpop]=selection(pop,fitvalue); %复制[newpop]=crossover(pop,pc); %交叉[newpop]=mutation(pop,pc); %变异[bestindividual,bestfit]=best(pop,fitvalue); %求出群体中适应值最大的个体及其适应值y(i)=max(bestfit);n(i)=i;pop5=x(i)=decodechrom(pop5,1,chromlength)*10/1023;pop=endfplot('10*sin(5*x)+7*cos(4*x)',[0 10])hold onplot(x,y,'r*')hold off[z index]=max(y); %计算最大值及其位置x5=x(index)%计算最大值对应的x值y=z【问题】求f(x)=x 10*sin(5x) 7*cos(4x)的最大值，其中0&=x&=9 【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08 【程序清单】 && %编写目标函数 &&&& function[sol,eval]=fitness(sol,options) &&&&&& x=sol(1); &&&&&& eval=x 10*sin(5*x) 7*cos(4*x); && %把上述函数存储为fitness.m文件并放在工作目录下 && initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10 && [x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',... &&&& [0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代 运算借过为：x = && 7.3(当x为7.8562时，f（x）取最大值24.8553) 注：遗传算法一般用来取得近似最优解，而不是最优解。 遗传算法实例2 【问题】在－5&=Xi&=5,i=1,2区间内，求解 &&&&&& f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2 x2.^2)))-exp(0.5*(cos(2*pi*x1) cos(2*pi*x2))) 22.71282的最小值。 【分析】种群大小10，最大代数1000，变异率0.1,交叉率0.3 【程序清单】 && ％源函数的matlab代码 &&&&& function [eval]=f(sol) &&&&&&& numv=size(sol,2); &&&&&&& x=sol(1:numv); &&&&&&& eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv) 22.71282; %适应度函数的matlab代码 &&&&& function [sol,eval]=fitness(sol,options) &&&&&&& numv=size(sol,2)-1; &&&&&&& x=sol(1:numv); &&&&&&& eval=f(x); &&&&&&& eval=- %遗传算法的matlab代码 &&&&& bounds=ones(2,1)*[-5 5]; &&&&& [p,endPop,bestSols,trace]=ga(bounds,'fitness') 注：前两个文件存储为m文件并放在工作目录下，运行结果为 && p = && 0.0 0.0055 大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多少，也可是使用优化函数来验证。matlab命令行执行命令： fplot('x 10*sin(5*x) 7*cos(4*x)',[0,9]) evalops是传递给适应度函数的参数，opts是二进制编码的精度，termops是选择maxGenTerm结束函数时传递个maxGenTerm的参数，即遗传代数。xoverops是传递给交叉函数的参数。mutops是传递给变异函数的参数。【问题】求f(x)=x+10*sin(5x)+7*cos(4x)的最大值，其中0&=x&=9 【分析】选择二进制编码，种群中的个体数目为10，二进制编码长度为20，交叉概率为0.95,变异概率为0.08 【程序清单】 && %编写目标函数 &&&& function[sol,eval]=fitness(sol,options) &&&&&& x=sol(1); &&&&&& eval=x+10*sin(5*x)+7*cos(4*x); && %把上述函数存储为fitness.m文件并放在工作目录下 && initPop=initializega(10,[0 9],'fitness');%生成初始种群，大小为10 && [x endPop,bPop,trace]=ga([0 9],'fitness',[],initPop,[1e-6 1 1],'maxGenTerm',25,'normGeomSelect',... &&&& [0.08],['arithXover'],[2],'nonUnifMutation',[2 25 3]) %25次遗传迭代 运算借过为：x = && 7.3(当x为7.8562时，f（x）取最大值24.8553) 注：遗传算法一般用来取得近似最优解，而不是最优解。 遗传算法实例2 【问题】在－5&=Xi&=5,i=1,2区间内，求解 &&&&&& f(x1,x2)=-20*exp(-0.2*sqrt(0.5*(x1.^2+x2.^2)))-exp(0.5*(cos(2*pi*x1)+cos(2*pi*x2)))+22.71282的最小值。 【分析】种群大小10，最大代数1000，变异率0.1,交叉率0.3 【程序清单】 && ％源函数的matlab代码 &&&&& function [eval]=f(sol) &&&&&&& numv=size(sol,2); &&&&&&& x=sol(1:numv); &&&&&&& eval=-20*exp(-0.2*sqrt(sum(x.^2)/numv)))-exp(sum(cos(2*pi*x))/numv)+22.71282; %适应度函数的matlab代码 &&&&& function [sol,eval]=fitness(sol,options) &&&&&&& numv=size(sol,2)-1; &&&&&&& x=sol(1:numv); &&&&&&& eval=f(x); &&&&&&& eval=- %遗传算法的matlab代码 &&&&& bounds=ones(2,1)*[-5 5]; &&&&& [p,endPop,bestSols,trace]=ga(bounds,'fitness') 注：前两个文件存储为m文件并放在工作目录下，运行结果为 && p = && 0.0 0.0055 大家可以直接绘出f(x)的图形来大概看看f（x）的最值是多少，也可是使用优化函数来验证。matlab命令行执行命令： fplot('x+10*sin(5*x)+7*cos(4*x)',[0,9]) evalops是传递给适应度函数的参数，opts是二进制编码的精度，termops是选择maxGenTerm结束函数时传递个maxGenTerm的参数，即遗传代数。xoverops是传递给交叉函数的参数。mutops是传递给变异函数的参数。
为了您的安全，请只打开来源可靠的网址
* 以上用户言论只代表其个人观点，不代表CSDN网站的观点或立场
访问：19802次
排名：千里之外
转载：20篇
(1)(3)(11)(4)(1)基于遗传算法的行星齿轮传动优化及MATLAB实现--《机械设计》2004年10期
基于遗传算法的行星齿轮传动优化及MATLAB实现
【摘要】：针对 2K -H型行星齿轮传动约束优化实例 ,结合传统优化方法中的惩罚函数法 ,描述了浮点编码的遗传算法和大型工程计算软件MATLAB中遗传工具箱的使用方法 ,同时表明 ,遗传算法在行星齿轮传动优化及其它相关问题中具有较好的应用前景。
【作者单位】：
【关键词】：
【基金】：
【分类号】：TH132.4【正文快照】：
遗传算法 (GA)是模拟遗传选择和生物进化过程的计算模型 ,它具有简单通用、鲁棒性强、适于并行处理及高效实用等显著特点 ,在各个领域得到了广泛应用。其本身并不要求对优化问题的性质做一些深入的数学分析 ,从而对不太熟悉数学理论和算法的使用者来说 ,无疑是方便的。行星齿
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【引证文献】
中国期刊全文数据库
宋俐;魏锋涛;刘伟;;[J];机械传动;2006年05期
沈文君;[J];机械设计与研究;2005年05期
石坤;魏锋涛;任雷雷;;[J];机械;2006年07期
中国硕士学位论文全文数据库
易新建;[D];湖南农业大学;2006年
吕春莉;[D];南京理工大学;2006年
刘菊蓉;[D];新疆大学;2006年
魏锋涛;[D];西安理工大学;2006年
【共引文献】
中国期刊全文数据库
姚玲英;[J];东莞理工学院学报;2005年03期
刘良福;焦海宁;;[J];低压电器;2005年12期
陈丽安,张培铭;[J];福州大学学报(自然科学版);2004年05期
史爱松;张秉森;;[J];染料与染色;2006年03期
李秀莲,董晓英,曹清林,雷良育;[J];航空动力学报;2005年01期
蒋冬初,何飞,向继文;[J];吉首大学学报(自然科学版);2005年02期
张建宇,韩国柱,陈明;[J];军械工程学院学报;2005年03期
邓兴贵,肖志信;[J];机械制造;2002年10期
弓晋丽;程志敏;;[J];物流科技;2006年07期
赵荣,李阳星,周广林,李光煜;[J];煤矿机械;2002年03期
中国重要会议论文全文数据库
张勇;王介生;;[A];2001中国控制与决策学术年会论文集[C];2001年
李晔;;[A];第25届中国控制会议论文集（中册）[C];2006年
吴若梅;黄源江;陈莘莘;罗亚明;;[A];2004国际现代包装学术研讨会会议论文集[C];2004年
中国博士学位论文全文数据库
苗玉彬;[D];大连理工大学;2001年
李江;[D];天津大学;2003年
廖平;[D];中南大学;2002年
王湘中;[D];中南大学;2005年
王小林;[D];华中科技大学;2006年
中国硕士学位论文全文数据库
张立;[D];西安建筑科技大学;2001年
蒋宗良;[D];东北林业大学;2001年
高艳;[D];浙江大学;2002年
朱婉玲;[D];合肥工业大学;2002年
李中才;[D];东北农业大学;2002年
赵志茹;[D];兰州理工大学;2003年
吴若梅;[D];湖南大学;2003年
陈飞婷;[D];武汉理工大学;2004年
戴立民;[D];河北工业大学;2004年
廖阔;[D];电子科技大学;2004年
【同被引文献】
中国期刊全文数据库
姚英姿,邓召义,莫云辉;[J];现代机械;2005年01期
龚曙光;[J];化工装备技术;2002年01期
罗高作,王平;[J];黄石高等专科学校学报;2002年03期
李阿楠,王三民;[J];机械设计与制造;2005年11期
,陈定方;[J];机械传动;2002年03期
田方,陶柯,姜芳;[J];机械传动;2005年01期
雷镭;武宝林;谢新兵;;[J];机械传动;2006年02期
张劲,张士诚;[J];机械工程学报;2004年05期
徐梓斌;闵剑青;;[J];林业机械与木工设备;2006年01期
武江传;[J];连云港化工高等专科学校学报;2002年03期
中国博士学位论文全文数据库
王晓鹏;[D];西北工业大学;2000年
中国硕士学位论文全文数据库
欧建锋;[D];扬州大学;2001年
张艳伟;[D];武汉理工大学;2002年
杨岚;[D];武汉科技大学;2003年
吴伟峰;[D];扬州大学;2002年
冯小忠;[D];扬州大学;2002年
葛琳;[D];湖南大学;2003年
靳晓丽;[D];南京理工大学;2004年
【相似文献】
中国期刊全文数据库
周家瑞;[J];工程机械;1980年07期
张展;[J];工程机械;1980年10期
罗洪田,姜琪;[J];西安交通大学学报;1980年04期
陈亨桦;;[J];矿山机械;1980年01期
王价人;;[J];长春理工大学学报;1980年02期
黄瑞清;;[J];机械制造;1980年08期
卢兴炎;;[J];机械传动;1980年04期
闵建秋;[J];工程机械;1981年10期
王晓明;[J];柴油机;1981年06期
郑品森;周寿华;杨廷栋;;[J];四川大学学报(工程科学版);1981年04期
中国重要会议论文全文数据库
;[A];第一届国际机械工程学术会议论文集[C];2000年
吕杰武;雷毅;薄建元;;[A];制造业与未来中国——2002年中国机械工程学会年会论文集[C];2002年
林超;李润方;施成越;谢永春;伍奎;;[A];第五届海内外青年设计与制造科学会议论文集（第二卷）[C];2002年
张晓东;李树荣;熊福力;;[A];第二十二届中国控制会议论文集（上）[C];2003年
盛玉红;热西达;;[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年
潘晋;王德禹;;[A];2005年船舶结构力学学术会议论文集[C];2005年
周垚;翁建生;;[A];2006年APC联合学术年会论文集[C];2006年
杨成启;陈洪果;姜维;;[A];中国图学新进展2007——第一届中国图学大会暨第十届华东六省一市工程图学学术年会论文集[C];2007年
杨海明;陈恒良;杜文飞;;[A];第八届全国低温工程大会暨中国航天低温专业信息网2007年度学术交流会论文集[C];2007年
方绍恩;;[A];第十一届全国机构学年会暨首届青年机构学研讨会论文集[C];1998年
中国重要报纸全文数据库
本报记者 方军;[N];经济观察报;2003年
商中胜;[N];黄冈日报;2008年
本报记者 石珊珊;[N];机电商报;2008年
中国博士学位论文全文数据库
林超;[D];重庆大学;2002年
王世宇;[D];天津大学;2005年
尚珍;[D];机械科学研究总院;2009年
孙承猛;[D];大连理工大学;2009年
朱志斌;[D];哈尔滨工业大学;2009年
中国硕士学位论文全文数据库
于楠;[D];大连理工大学;2000年
施成越;[D];重庆大学;2002年
孙卫国;[D];华北电力（北京）大学;2002年
郝晓红;[D];西安理工大学;2003年
高波;[D];青岛大学;2003年
万凯宇;[D];南京航空航天大学;2004年
秦丽萍;[D];西北工业大学;2004年
刘文;[D];重庆大学;2003年
王磊;[D];河北工业大学;2004年
王鹤名;[D];吉林大学;2004年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号基于遗传算法和拓扑优化的结构多损伤识别--《南京航空航天大学》2009年硕士论文
基于遗传算法和拓扑优化的结构多损伤识别
【摘要】：本文较为全面地介绍了神经网络、遗传算法、灰色理论和小波分析等优化方法在识别结构多损伤时的工作原理以及这些方法在损伤识别过程中存在的一些问题,讨论了遗传算法及拓扑优化两种方法在结构损伤识别中的发展应用前景。在前人工作的基础上,通过引入遗传算法和拓扑优化两种方法,将遗传算法、有限元法和拓扑优化三种方法相结合,构建了一种新的算法并用于二维结构多损伤识别研究。这种方法将拓扑优化的设计变量和遗传算法的参数统一化,将拓扑优化中的目标函数和约束方程与遗传算法的适应度函数联系起来,并以拓扑优化的约束方程作为控制条件参与整个遗传运算的控制。采用离散变量变量拓扑优化代替连续变量拓扑优化对发生孔洞损伤形式的二维结构进行损伤识别,避免了利用连续变量拓扑优化进行损伤识别时参数阈值的确定可能给识别结果带来的不良影响。通过对几个二维结构模型的多损伤识别仿真计算,结果表明本方法能够很好地识别二维结构中多个位置的损伤,对于仅用拓扑优化法很难识别的轻微损伤情况,该方法也能得出与实际情况吻合良好的结果。
【关键词】：
【学位授予单位】：南京航空航天大学【学位级别】：硕士【学位授予年份】：2009【分类号】：O346.5【目录】：
摘要4-5Abstract5-8图表清单8-9注释表9-10第一章 绪论10-17 1.1 结构健康监测的概念、组成及其应用前景10-12
1.1.1 损伤和结构健康监测的概念10-11
1.1.2 健康监测的系统组成11-12
1.1.3 结构健康监测的应用12 1.2 优化算法12-13 1.3 优化算法在结构多损伤识别问题中的应用13-15
1.3.1 遗传算法在结构损伤识别问题中的应用14-15
1.3.2 拓扑优化在结构损伤识别问题中的应用15 1.4 本文的主要研究内容与创新之处15-17第二章 优化算法17-38 2.1 遗传算法17-22
2.1.1 遗传算法的基本原理和基本步骤17-22
2.1.2 遗传算法的应用前景22 2.2 结构拓扑优化22-29
2.2.1 拓扑优化的基本概念和问题描述23-24
2.2.2 拓扑学在优化问题解的存在性证明24-25
2.2.3 结构拓扑优化的灵敏度分析25-26
2.2.4 拓扑优化的研究进展26-29 2.3 有限元特征值问题29-37
2.3.1 有限元的基本过程29-33
2.3.2 特征值问题的基本原理33-37 2.4 本章小结37-38第三章 基于遗传算法和拓扑优化的多损伤识别研究理论基础38-43 3.1 基于遗传算法和拓扑优化算法的结构多损伤识别38-40
3.1.1 有限元固有频率的计算38
3.1.2 损伤识别的拓扑优化公式38-39
3.1.3 损伤识别中的遗传算法的应用39-40 3.2 基于遗传算法和拓扑优化的多损伤识别40-42
3.2.1 染色体编码设计41
3.2.2 种群初始化，拓扑优化的变量设计41
3.2.3 遗传算法的适应度函数和拓扑优化的目标函数，约束方程41
3.2.4 遗传操作41-42 3.3 相关主要程序介绍42 3.4 本章小结42-43第四章 基于遗传算法和拓扑优化的多损伤识别研究实例仿真43-50 4.1 严重损伤结构的多损伤识别43-45 4.2 轻微损伤悬臂板、梁结构的多损伤识别45-49
4.2.1 结构模型45-46
4.2.2 结构多损伤识别的计算结果46-49 4.3 本章小结49-50第五章 结论与展望50-52 5.1 本文的主要工作和结论50-51 5.2 进一步的研究工作51-52参考文献52-58致谢58-59攻读硕士期间发表的文章59
欢迎：、、)
支持CAJ、PDF文件格式
【引证文献】
中国硕士学位论文全文数据库
姚磊;[D];南京理工大学;2010年
【参考文献】
中国期刊全文数据库
耿立恩,潘旭峰,李晓雷,祝嘉光;[J];北京理工大学学报;1997年02期
程耿东,刘英卫;[J];大连理工大学学报;1989年04期
程耿东;[J];大连理工大学学报;2000年04期
孙鸿敏,李宏男;[J];防灾减灾工程学报;2003年03期
胡自力,熊克,杨红;[J];航空学报;2002年01期
吴耀军,陶宝祺;[J];航空学报;1997年02期
蔡文学,程耿东;[J];华南理工大学学报(自然科学版);1998年09期
王忠东，巴晓斌，陈塑寰;[J];吉林大学自然科学学报;1996年02期
许素强，夏人伟;[J];计算结构力学及其应用;1994年04期
曾神昌,麦汉超;[J];强度与环境;2004年01期
【共引文献】
中国期刊全文数据库
张晋芳;赵人达;;[J];四川建筑科学研究;2009年02期
李柳生;蔡晶;;[J];四川建筑科学研究;2011年05期
方从严,梁有峰,吴庆;[J];安徽建筑工业学院学报(自然科学版);2005年02期
李彬彬;王社良;苏三庆;;[J];安徽建筑;2009年04期
贾云龙;张世宇;;[J];安徽建筑;2010年04期
郭旭;程耿东;;[J];Acta Mechanica S1997年02期
郭旭;程耿东;;[J];Acta Mechanica S2004年05期
;[J];Acta Mechanica S2006年06期
Hicham B;[J];Acta Mechanica S2007年01期
Joseph CRichard A;[J];Acta Mechanica S2010年01期
中国重要会议论文全文数据库
曹宗杰;金延中;唐健;于洋涛;陈荣明;;[A];第十届全国振动理论及应用学术会议论文集（2011）下册[C];2011年
程载斌;王志华;马宏伟;;[A];第十二届全国结构工程学术会议论文集第Ⅲ册[C];2003年
秦荣;秦俊;谢开仲;;[A];第十二届全国结构工程学术会议论文集第Ⅲ册[C];2003年
刘彬;丁桦;梁乃刚;;[A];祝贺郑哲敏先生八十华诞应用力学报告会——应用力学进展论文集[C];2004年
王栋;;[A];首届全国航空航天领域中的力学问题学术研讨会论文集（下册）[C];2004年
彭细荣;隋允康;;[A];北京力学会第11届学术年会论文摘要集[C];2005年
龙凯;肖涛;左正兴;;[A];第九届全国振动理论及应用学术会议论文集[C];2007年
龙凯;李涛;左正兴;孙宇娟;;[A];第九届全国振动理论及应用学术会议论文集[C];2007年
Rehan H.Z;[A];结构及多学科优化工程应用与理论研讨会’2009（CSMO-2009）论文集[C];2009年
隋允康;;[A];力学与工程应用（第十三卷）[C];2010年
中国博士学位论文全文数据库
张忠;[D];哈尔滨工程大学;2010年
陈奇;[D];合肥工业大学;2010年
段志东;[D];兰州大学;2010年
王红云;[D];华南理工大学;2010年
乔华;[D];浙江大学;2011年
郑华升;[D];武汉理工大学;2010年
林哲祺;[D];大连理工大学;2011年
乔赫廷;[D];大连理工大学;2011年
艾纳基;[D];华中科技大学;2011年
朱军华;[D];暨南大学;2011年
中国硕士学位论文全文数据库
陈建伟;[D];河南理工大学;2010年
李伟;[D];中国工程物理研究院;2010年
赵乐乐;[D];郑州大学;2010年
闫利利;[D];郑州大学;2010年
俞顺;[D];郑州大学;2010年
王秀丽;[D];哈尔滨工程大学;2010年
刘德;[D];大连理工大学;2010年
张成;[D];大连理工大学;2010年
韩滔;[D];大连理工大学;2010年
吕蔚;[D];大连理工大学;2010年
【同被引文献】
中国期刊全文数据库
李剑;洪嘉振;李伟明;;[J];动力学与控制学报;2008年01期
郭力;李兆霞;陈鸿天;;[J];中国工程科学;2006年09期
张兰;邢志栋;;[J];高师理科学刊;2009年04期
徐祖年,王柏生;[J];合肥工业大学学报(自然科学版);2001年05期
冯文贤,陈新;[J];航空学报;1999年01期
杜昌平;孙化东;周德云;宋笔锋;;[J];火力与指挥控制;2009年07期
周先雁，沈蒲生，易伟建;[J];湖南大学学报(自然科学版);1995年04期
陈长冰;[J];黄山学院学报;2005年03期
刘述奎;陈维荣;李奇;林川;段涛;;[J];电力系统保护与控制;2009年13期
刘小川;张凌霞;牟让科;;[J];计算机辅助工程;2006年S1期
中国硕士学位论文全文数据库
苏越;[D];南京理工大学;2008年
【二级参考文献】
中国期刊全文数据库
耿立恩,潘旭峰,李晓雷,祝嘉光;[J];北京理工大学学报;1997年02期
姜绍飞,刘奎浩,廖云,贾连光;[J];东北大学学报;2002年05期
梅振国;[J];系统工程;1992年05期
胡自力;[J];航空学报;2000年01期
胡自力,熊克,杨红;[J];航空学报;2002年01期
吴耀军,陶宝祺;[J];航空学报;1997年02期
王清印;[J];华中理工大学学报;1989年06期
王清印,刘开第,吴和琴;[J];华中理工大学学报;1990年01期
袁慎芳,陶宝祺,石立华;[J];测控技术;1998年06期
杨建良,郭照华,黄德修;[J];力学进展;1998年02期
【相似文献】
中国期刊全文数据库
魏强;李雨;;[J];电子机械工程;2010年02期
葛培明;陈虬;彭伟;;[J];力学季刊;2006年03期
袁颖;林皋;柳春光;周爱红;;[J];防灾减灾工程学报;2005年04期
袁颖;林皋;闫东明;周爱红;;[J];计算力学学报;2007年02期
袁颖;林皋;周爱红;闫东明;;[J];应用力学学报;2007年02期
罗海林,霍达;[J];河南科学;2005年06期
顾凯;张奇智;;[J];控制理论与应用;2006年04期
刘霞;易伟建;沈蒲生;;[J];工程力学;2006年09期
董永芳,黄海;[J];计算力学学报;2004年06期
唐艳芝;;[J];科技信息;2011年22期
中国重要会议论文全文数据库
孙浩;刘扬;;[A];中国力学学会学术大会'2009论文摘要集[C];2009年
蒋济同;李志强;;[A];第六届全国现代结构工程学术研讨会论文集[C];2006年
袁颖;林皋;周爱红;;[A];可持续发展的中国交通——2005全国博士生学术论坛（交通运输工程学科）论文集（下册）[C];2005年
张亮;黄曙光;赵文进;;[A];2009年全国开放式分布与并行计算机学术会议论文集(下册)[C];2009年
周海清;王恭先;陈正汉;;[A];中国土木工程学会第九届土力学及岩土工程学术会议论文集（下册）[C];2003年
吴建生;金龙;;[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（下册）[C];2004年
申元霞;张翠芳;;[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
刘辙;彭亮;崔广才;吴学礼;;[A];中国自动化学会全国第九届自动化新技术学术交流会论文集[C];2004年
曹春红;李文辉;张永坚;;[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
姜楠;张春森;;[A];高精度几何量光电测量与校准技术研讨会论文集[C];2008年
中国重要报纸全文数据库
林京;[N];中国水利报;2002年
程爱娟;[N];新疆科技报(汉);2001年
中国科技大学计算机系　邢方亮;[N];计算机世界;2003年
包家庆;[N];网络世界;2002年
郭明波;[N];北京科技报;2001年
易水;[N];计算机世界;2003年
李磊;[N];计算机世界;2001年
高澜庆;[N];中国矿业报;2000年
河海大学水利水电工程学院
南京水利科学研究院水工研究所;[N];中国水利报;2005年
吴苡婷;[N];上海科技报;2009年
中国博士学位论文全文数据库
袁丽华;[D];南京航空航天大学;2009年
张旭;[D];大连理工大学;2004年
廖平;[D];中南大学;2002年
周明;[D];西北工业大学;2006年
陈霄;[D];浙江大学;2010年
曹宇;[D];哈尔滨工程大学;2010年
张需溥;[D];上海大学;2004年
杨春成;[D];解放军信息工程大学;2004年
方娟;[D];北京工业大学;2005年
崔晓芳;[D];大连交通大学;2005年
中国硕士学位论文全文数据库
李小平;[D];南京航空航天大学;2009年
朱奉梅;[D];东北大学;2009年
李京涛;[D];河北工程大学;2010年
孙晓丽;[D];中南大学;2010年
冯秋霞;[D];西安电子科技大学;2010年
郭佳;[D];西安电子科技大学;2010年
宋品;[D];西安电子科技大学;2010年
梁云静;[D];湖北工业大学;2010年
高建兵;[D];辽宁工程技术大学;2011年
李振业;[D];华南理工大学;2011年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号