本站原创本文是一篇建筑结构论文范文,关于建筑结构类毕业论文格式,关于协同理指导下的复杂建筑结构优化设计相关毕业论文格式范文。适合建筑结构及建筑设计及算法方面的的大学硕士和本科毕业论文以及建筑结构相关开题报告范文和职称论文写作参考文献资料下载。
摘 要：随着国民经济和我国现代化进程的稳步增长,建筑结构的形式也越来越复杂,复杂建筑结构优化问题一直是社会各界关注的焦点,因此,迫切需要对复杂建筑结构优化问题进行研究.论文运用协同理论指导下的遗传算法解决复杂建筑结构优化问题,简要介绍遗传算法的优化加速及提高精度、加快收敛的策略.协同理论指导下的遗传算法在复杂建筑结构优化中的应用研究,对于改进工程项目的整体效益,提高企业竞争力和促进建筑行业快速健康发展具有重要意义.
关 键 词：复杂建筑结构优化协同理论遗传算法
复杂建筑结构设计问题一般都是先将其分解为易于求解的子问题,且多学科的交叉存在于子问题中.不同学科的专家小组会参加复杂建筑结构的设计,他们之间还互不知晓,这就形成了优化过程中的四个特征：复合多目标,学科交叉,巨大数量的设计约束,大的设计变量空间.相对于复杂建筑耦合系统优化来说,协同优化方法是比较新的方法.作为一种新的优化方法,许多不足之处仍然存在.优化效率及效果是这一方法的关键课题.
1.建筑协同设计
1.1建筑协同设计的特点
建筑设计是一门集经济性、艺术性和实用性于一体的综合性的学科.建筑功能、造型、空间及工程预算等诸多问题在建筑设计中都要考虑,涉及多工种.多学科的协调和交叉.目前越来越激烈的市场竞争氛围,使得复杂建筑结构协同设计理论在学术界和设计单位受到越来越多的关注.建筑协同设计是一种新兴的网络环境下的建筑设计方式,设计人员及管理人员都能在不同地点同步的参与设计工作,提高了设计的效率和质量.建筑设计需要多学科合作及反复协作与修改,以满足客户需要的最优设计方案.一般工程设计的各种特性建筑设计中都有,但是复杂建筑结构要求高,总体设计难度非常大,从而建筑协同设计有以下几个明显的特点：综合与协调,反复迭代,创造性和科学性.
1.2建筑协同设计的冲突
在建筑协同设计过程中,各领域参数的确定是协同小组共同完成的,其中就有在一个领域内协同小组在一些数据指标上的分歧以及协同小组在不同领域对相关参数的范围的确定,从而发生协同设计的冲突.因此,可以分类管理存在建筑设计中的冲突,这样就可以从各个角度分析和处理建筑协同设计中存在的冲突.建筑设计冲突主要是设计目标冲突和设计结果冲突两种,根据建筑设计的特点,设计冲突在建筑协同设计中又分为以下几个方面：总体冲突,装配冲突,各领域之间冲突,经济性冲突.
2.协同遗传算法在建筑结构优化设计中的应用
2.1遗传算法简介
尽管传统结构优化方法中的解析法和直接法已经在实际工程中广泛应用,但对于如极点问题、非连续设计变量问题、目标函数的强非线性问题等特殊问题处理难度仍然很大.特别是功能函数的偏导数在许多传统算法中需要被计算,而这就要求工程函数的连续性特别良好,这就给计算带来了极大的麻烦.遗传算法作为一种新的算法,与以往方法截然不同,显示了强大的生命力,是复杂建筑结构优化设计的一个新思路.最初遗传算法是用来指导模拟人工自然系统和解释自然界的适应性的,后来这种方法对于复杂建筑结构优化设计的有效性在许多报告和论文中都论证了.但此法也存在许多问题,例如不利于工程应用、收敛速度慢等.目前研究的重点就是在总结以往方法的基础上提出加快收敛的改进方法.
对于单个计算点的优化追踪过程,遗传算法放弃了这个传统的优化方法,而是多个计算点同时被操控,一个生物群体被看成了操作的对象.遗传算法是改变线列集团的质量,通过遗传操作算子,有三种最基本的操作：交叉,再生产和突然变异.
2.2遗传算法的优化过程
遗传算法为求解复杂建筑结构优化问题提供了一种通用框架,它不仅仅只依赖于问题的种类和领域.对一个实际应用问题进行优化计算,遗传算法构造求解该问题一般可按下述步骤来进行.
第一步：确定各种约束条件及决策变量,即确定问题的解空间和个体的表现型X.
第二步：建立优化模型,确定是求目标函数的最小值或是求目标函数的最大值,即确定目标函数的类型及其量化方法或数学形式.
第三步：确定表示染色体编码的可行解方法,即确定出遗传算法的搜索空间及确定出个体的基因型X.
第四步：确定编码方法,即个体基因型X到个体表现型X的转换方法或对应关系的确定.
第五步：确定量化评价个体适应度的方法,即目标函数f（x）到个体适应度fit（x）的转换规则的确定.
第六步：设计遗传算子,即确定变异运算、选择运算、交叉运算等遗产算子的操作具体方法.
第七步：确定有关遗传算法的运行参数,即遗传算法的pc、pm等参数的确定.
研究遗传算法的优化过程一直被实际工程问题直接的推动,高效实用的遗传算法优化的研究和探讨具有广泛而深远的意义.
2.3遗传算法提高精度、加快收敛的策略
通常按照上述计算步骤进行遗传算法复杂建筑结构优化的收敛速度比较慢,跳跃的现象经常在计算过程中出现.为了更好的解决上述问题,下面介绍了三种修正方法.
第一种是引入突变算子,减小局部出现最优解的可能性.做法是按一个较小的概率取反交配池中经过交换算子操作过的个体的二进制串的每一个.如果更优个体产生,则使之保留,反之淘汰.一般突变概率很小,不宜超过0.005,根据实际情况来定.
第二种是可以保护最优的几个个体,使它们直接进入下一代而不受任何影响,直至更优的个体的出现；或者强制令最优的几个个体进行交配,其它个体进行正常过程的交配.这样局部退化现象就会有效的减少,收敛进程加快.
第三种是每个个体自己的代表值依据自己所处的环境来改变.具体做法是下一代所有个体代表值的平均值是目前最有个体的代表值,修正了每一个个体的代表值.
结语
遗传算法作为一种全新的复杂建筑结构优化设计的方法,如目标函数的强非线性问题、设计变量的非连续性问题、对多峰函数求解最优化的问题等传统优化方法存在的多种弊端都被它克服了,同时,遗传算法的结构优化方法及过程都比较简单,而且计算机的编程计算特别适用于传算法.并且三种遗传算法改进策略的联合使用明显使优化计算收敛速度加快,减少计算时间的同时,结果的准确性也很高.可以说对于处理复杂建筑结构优化问题,遗传算法及准确又可靠,非常值得深入研究.