建筑结构优化设计中遗传算法的应用研究

来源:用户上传      作者:

　　【摘要】我国建筑行业因为雄厚的国民经济基础而得到了全面的发展，与此同时，其也为我国国民经济及城市化进程的进一步发展做出了卓越的贡献。但是，在建筑结构的设计环节中，大部分都是按照设计人员的个人经验作为基础，导致具体的设计方案在质量上高低不齐，最终带来了极大的资源浪费问题。为了更好的解决传统结构设计中的复杂问题，遗传算法得到了大范围的应用。本文基于遗传算法的优势，就建筑结构优化设计中遗传算法的具体应用进行了深入的分析，以便为今后建筑结构的优化设计提供相应的参考。
　　【关键词】建筑结构;优化设计  遗传算法  优势  应用
　　一、遗传算法的优势
　　（一）智能化特点
　　在问题解决的过程中，遗传算法可以在编码方案、适应度函数及遗传算子等信息得以确定之后，很好的使用进化过程中所获取的信息开展自行的组织搜索工作，因为在自然系统基础下，其选择策略完全是按照优胜劣汰的方式，在这一方式之下，具备较高适应度的个体生存几率相对较大。在正常情况下，具有较高适应度的个体，在环境的基因结构适应性上就会有着较高的提升，随后，在经过基因的重组及突变等操作，诞生出来的后代在环境适应性上将会有着更进一步的提升，遗传算法这一特点的存在，使得遗传算法可以更好的从环境变化基础出发，将环境的特性及规律做出自动的发掘。遗传算法的应用将之前的算法设计过程的需要将问题特点全部进行描述等缺陷进行克服。
　　（二）直接对结构对象进行操作
　　使用遗传算法的过程中，其处理的对象并非是单一化的参数，而是一个参数集经过编码工作的个体。经过这一系列的编码操作之后，遗传算法可以更好的直接操作结构对象，这里所指的结构对象就是集合、序列等一维、二维及三维结构形式的对象，也正是因为遗传算法在处理对象上的优势，使其得到了极为广泛的应用。比如，通过和矩阵进行连接，使得遗传算法在优化神经网络或者是自动机的结构及参数中得到了广泛的应用。除此之外，通过操作任务序列，可以更好的在规划中进行应用，此外在顺序控制系统的自动构造中也有着极为广泛的应用。
　　（三）评估搜索空间多个解
　　在遗传算法的应用过程中，可以做到同时处理群体中的多个个体，换言之，就是可以同时评估搜索空间之中多个解，较之传统化的搜索方式，因为其使用的单点性质的搜索算法，也就是在部分规则变动的情况下，使得问题的解可以从搜索空间的一个解转移到另一个解上，但这一搜索方式的最大缺陷就是在面对多峰值分布的搜索空间中的情况下，会经常性的局限在单个峰值上的优化解上。遗传算法因为做到了同时处理多个解，并实现多个峰的同步爬行，使其拥有着十分良好的全局搜索能力，将局限在部分解的可能性降至最低，如此一来，遗传算法在并行化的可能性上有了较大的提升。
　　二、遗传算法在建筑结构优化设计中的应用
　　（一）框架设计中的应用
　　对于框架结构建筑工程而言，遗传算法应用在其结构优化设计的过程中，正常情况下三维性质的空间开展分析及计算工作，为了更进一步的简化计算过程，对于框架结构较为规则化的建筑，可以将之按照建筑结构做出相应的分解，按照水平或者是垂直方向将整体的建筑结构划分为多个的平面框架开展相应的计算工作，在整体建筑结构简化完成之后，在结构的内力分析上的难度就会相应的有所降低。在这一内力分析的过程中，可以从如下的节点简化方式出发开展内力分析工作。
　　第一，现浇性质的钢筋混凝土结构。这一性质的建筑结构，因为节点处的核心区域及梁柱部分的混凝土是同步完成浇筑的，这就使得梁柱的纵向受力可以更好的均匀的传递给各个节点，一般来说，这种建筑结构会被简化为刚性节点。第二，装配式框架的混凝土浇筑结构，这一类型的建筑结构，其节点及梁柱都是在混凝土浇筑之后得以连接的，正因为使用了这种类型的连接方式，建筑框架结构的整体性得以提升，也将之视为刚性节点做出相应的结构受力分析。第三，完全装配式的建筑框架结构。这一类型的建筑结构是在预先埋设的钢板之下，将安装梁柱及梁底，随后开展相应的焊接工作，这种节点方式因为自身属于二次安装，使得结构有着较大的形变可能，在结构受力计算的过程中会将之简化为刚性连接或者是半刚性连接。
　　（二）构造目标函数
　　钢筋混凝土的建筑框架结构，其主要的受力对象就是混凝土材料及钢筋，在影响钢筋混凝土构件造价的因素主要包括混凝土材料的使用数量、纵方向受力筋的长度数值、模板用量、箍筋部分等方面，因为模板本身就是一个多次使用的消耗品，并且对于造价的实际影响较小，为此在计算中可以适当的进行忽略，为此在实际目标函数构造中，只需要考虑对于整体造价影响最大的混凝土使用数量、纵筋和箍筋部分即可。为此，在构造目标函数的过程中，可以做到适当的调整箍筋部分的系数调整，并且针对梁柱箍筋进行加密即可。
　　（三）离散变量的结构优化
　　在具体的建筑结构优化过程中，会经常性的遇到部分或者是全部的设计变量数据只可以做到取限定的离散数值的情况。比如，型钢需要完全符合规格要求。之前的建筑结构优化设计方案，只有在经过数据处理工作之后，才可以使得各项数据完全满足相应的工程设计规范及技术标准。但是，这一方式的应用使得得到的结果需要做出更进一步的可靠性及可行性检验工作，在这种情况下，得到的离散值可能不具备可行性，又或者是得到的离散值不是最优的离散值，通过遗传算法的应用，可以在降低算法运算的次数上，更好的解决具有应力等约束条件在内的离散数量变量建筑结构优化问题。
　　参考文献：
　　[1]党向盈，姜代红.神经网络结合遗传算法在建筑优化设计中的应用[J].徐州工程学院学报（自然科学版），2017，32（02）：66-71.
　　[2]金立兵，胡穎，祁继鹏.改进的自适应遗传算法在结构优化设计中的应用[J].信阳师范学院学报（自然科学版），2017，29（04）：621-624.
　　[3]朱朝艳，刘露旭，唐永鑫，刑婕思.改进遗传算法在框架结构优化设计中的应用[J].辽宁工业大学学报（自然科学版），2017，36（03）：168-170+174.
　　基金项目：《基于稀疏编码深度学习算法的建筑结构安全检测》 四川省教育厅项目（编号：17ZB0286）。
转载注明来源:https://www.xzbu.com/2/view-15278422.htm