导　　师： 薛松涛;唐和生

授予学位： 硕士

作　　者： ;

机构地区： 同济大学土木工程学院

摘　　要： 微粒群算法(pso)是一种新兴仿生智能算法，它源于对鸟群飞行过程中寻找食物的模拟，研究表明其是一种很好的优化算法。它计算高效而且算法本身容易实现，适合求解设计空间不连通的非凸非线性问题。引起了国际上相关领域众多学者的关注和研究，并且已经成功的用于解决很多优化设计问题。 本文利用微粒群算法实现对桁架结构的优化，桁架结构优化设计按设计变量类型不同可分为：1、尺寸优化：设计变量为杆件的横截面尺寸，2、形状优化：设计变量为杆件的节点坐标，3、拓扑优化：设计变量为杆件的节点布局、节点间的连接关系。 本文的主要工作有以下几个部分： 第一章:首先介绍了结构优化设计及优化算法的基本概念及其发展，给出了结构优化设计的数学模型，介绍了传统的结构优化算法和现代智能的结构优化算法。 第二章:详细的阐述了pso算法的基本理论以及最优化理论，讨论了两种改进的pso算法，对pso的收敛性进行了分析。 第三章:利用pso解决了桁架优化中的截面优化问题。通过对典型的10-杆平面桁架优化分析，讨论了pso算法中的参数设置对优化结果的影响。分别对空间桁架在单工况及多工况作用下具有应力及位移约束的优化问题进行研究。 第四章:利用pso主要解决桁架优化中的形状优化问题。 1、同时考虑桁架截面和节点位置设计变量，采用两种设计变量耦合的方法，克服传统的分层法求解困难且不能得到全局最优解的弱点，解决桁架形状优化问题。 2、解决了具有动态约束的结构优化问题，实现了带有局部稳定性约束的桁架形状优化设计。 通过算例分析并与已有的文献比较，结果表明pso能很好的解决桁架形状优化问题。 第五章:利用pso对桁架拓扑优化问题做一些简单的探讨，拓扑优化仍然是优化领域的一个难题，本文使用基于截面尺寸拓扑优化模型对算例进行分析，取得了很好的效果。 最后，对全文的主要工作和研究成果进行了总结，并指出了有待进一步改进的问题和研究方向。

关 键 词： 微粒群算法 桁架结构 优化设计 拓扑优化

分 类 号： [TU311.4 TU323.4]

领　　域： [建筑科学] [建筑科学]