论文部分内容阅读
蚁群算法作为一种现代智能优化算法,其本质上是一种伪随机搜索及并行算法,在问题求解中并不依赖于目标函数的梯度信息,它通过算法中启发函数和信息正反馈机制指导蚁群的整个优化进程,使得原来一些复杂的、难以用常规优化算法进行处理的问题得到较好的解决,提高人们解决实际工程优化问题的能力。其中,蚁群算法中关键参数的取值对算法的寻优性能有着至关重要的影响,好的参数设置能有效增强算法的全局搜索能力,从而提高收敛速度,减少计算时长。目前,蚁群算法中的参数设定尚无严格的理论依据,难以用解析法确定参数设置的最佳组合。针对具体工程优化问题,对蚁群算法的关键参数进行分析并应用求解,是当前的一个研究热点。高层建筑结构中阻尼器的优化布置问题可采用蚁群算法进行求解。然而,当建筑物层数较高,设计空间越来越大时,需要安装的阻尼器数量也随之增加,采用基本蚁群算法进行求解存在优化效率不高、不收敛、陷入局部最优等不足。因此,本文通过对带精英策略的蚂蚁系统(ASelite)、排序加权的蚁群算法(ACOrw)及最大最小蚁群算法(MMAS)三种改进的蚁群算法中的关键参数,如精英蚂蚁的数量σ、权值系数λ及信息素平滑系数ζ分别进行多组数值仿真,确定关键参数的取值范围,提出如何通过参数设定改善求解,并进一步应用于高层建筑结构的阻尼器优化布置中。为选取蚁群算法中的关键参数,并对比改进蚁群算法在阻尼器布置问题中的优化性能,本文先对基本蚁群算法进行参数性能分析研究,并应用基本蚁群算法对阻尼器优化布置问题进行求解。结果表明,改进的蚁群算法在求解该问题时能够加快算法的收敛速度和提高解的整体质量。本文主要完成工作如下:一、基于基本蚁群算法,对蚁群算法有关参数的性能、作用及选取原则进行分析,选取关键参数,通过数值验证试验,得到基本蚁群算法中关键参数的合理取值。然后,采用基本蚁群算法对一20层框架结构的阻尼器布置问题进行求解,数值算例结果表明该算法与参数取值的可行性及有效性。二、分别对ASelite、ACOrw及MMAS三种改进蚁群算法的关键参数进行仿真试验研究,得到参数的合理取值区间,然后依次应用于一22层框架结构中,并对比分析三种改进蚁群算法的优化结果。为对比改进蚁群算法的优化性能,基于相同的参数,同时考虑Northridge-ew、EL Centro和TANGSHAN-ew地震波的作用,分别应用基本蚁群算法及三种改进蚁群算法,对12层、16层和18层框架结构的阻尼器优化布置问题进行求解。结果表明,改进的蚁群算法能最大程度地利用自身优势,吸引更多的蚂蚁朝着更优的路径移动,从而以较快的速度找到最优解并提高解的整体质量。三、综合考虑结构的安全性与舒适性的要求,采用不同加权系数下的结构层间位移角、层间位移和加速度三项响应指标组合作为优化问题的目标函数,并构造相应的启发函数。综合考虑Northridge-ew、EL Centro、TANGSHAN-ew地震波作用,通过MMAS对16层和20层框架结构进行阻尼器优化布置,分别讨论不同加权系数组合的目标函数的优化结果。为使各项优化目标具有可比性,对目标函数进行归一化处理,得到符合实际工程意义的高层建筑结构阻尼器优化布置方案。本文通过对蚁群算法的参数优化分析研究,得到关键参数的合理取值范围,并将蚁群算法应用于高层建筑结构中的阻尼器优化布置问题求解中,算例结果表明蚁群算法对于阻尼器优化布置问题求解的可行性与有效性,具有较好的工程实用价值。