摘要
机械结构优化设计经常面临设计变量多、约束条件复杂等难题，为典型的多维、非线性问题，求解过程复杂，常规局部优化算法(比如序列二次规划法、内点法、有效集法、信赖域法等)通常很难求得全局最优解，而全局群智能优化算法则计算效率偏低。本文针对机械结构优化设计中常用的全局群智能优化算法(以遗传算法和粒子群算法为例)存在的不足，提出了一种改进的遗传算法和一种改进的粒子群算法；结合并行算法策略，进一步设计了一种基于并行优化策略的结构优化设计策略，结合改进的遗传算法和改进的粒子群算法，提出了一种并行式改进遗传算法和并行式改进粒子群算法；最后开发了相应的系统，并进行算例验证。具体研究工作如下： 针对传统遗传算法存在的收敛结果不稳定、迭代寻优的效率较低等缺陷，本文对传统遗传算法过程进行了适当的改进。首先，采用基于正态分布的交叉算子和基于自适应度变化的变异算子，提高了遗传变异过程中寻优的效率。其次，对原优化问题的约束条件使用内点罚函数法进行处理，形成新的目标函数。新函数的定义域将包含原来的约束，这样就可以较好地解决一般遗传算法在处理有约束条件的优化问题时存在的寻优效率低、最优解受约束条件处理程度影响较大等缺陷。针对传统粒子群算法在求解过程中容易出现的早熟、粒子多样性差等缺点，本文采用精英策略的外部档案集、逐渐减小的惯性权重和领域变异的方法对传统粒子群算法做出改进。并使用五个典型基准算例验证了本文所提方法的有效性。 针对群智能优化算法计算效率偏低问题，结合群智能优化算法天然的可并行性，本文提出了一种基于粗粒度的多进程并行策略，针对结构设计需优化的参数特点，对初始种群进行处理，并给每个子种群单独分配进程进行独立的迭代寻优过程。结合上面提出的改进遗传算法和改进粒子群算法，基于粗粒度多进程并行策略，本文进一步提出一种并行式改进遗传算法和一种并行式改进粒子群算法。最后通过五个典型基准算例验证了本文所提方法的计算效率及计算精度。 为方便机械结构优化设计应用，本文采用QtCreator平台及Python语言开发了一套结构优化设计系统，该系统设计了与ANSYS有限元分析软件的交互接口，以方便开展实际结构的优化设计。最后，采用十杆桁架结构优化设计问题以及汽车侧面碰撞响应面模型结构优化问题验证了本文所提算法及所开发系统的工程适应性，结果表明本文所提算法和所开发的系统具有一定的工程应用价值。
NETL