首页--工业技术论文--建筑科学论文--建筑结构论文--杆件系统结构论文--杆件结构论文--桁架论文

改进蚁群算法及其在桁架结构优化中的应用

摘要第5-6页
Abstract第6-7页
第1章 绪论第11-21页
    1.1 选题背景及研究意义第11-13页
    1.2 结构优化设计概述第13-14页
    1.3 桁架结构优化的特点及其研究现状第14-17页
        1.3.1 桁架结构优化的特点第14-15页
        1.3.2 桁架结构优化的研究现状第15-17页
    1.4 计算智能算法在桁架结构优化中的应用研究第17-18页
    1.5 蚁群算法研究现状第18-19页
    1.6 本文主要工作第19-20页
    1.7 本章小结第20-21页
第2章 工程结构的优化设计第21-31页
    2.1 结构优化设计的发展历程和方法第21-23页
        2.1.1 结构优化设计的发展历程第21-22页
        2.1.2 结构优化设计的方法第22-23页
    2.2 结构优化设计的特点和内容第23-25页
        2.2.1 结构优化设计的特点第23-24页
        2.2.2 结构优化设计的内容第24-25页
    2.3 结构优化设计的数学模型第25-28页
        2.3.1 设计变量第25-26页
        2.3.2 约束条件第26-27页
        2.3.3 目标函数第27页
        2.3.4 数学模型第27-28页
    2.4 桁架结构优化设计的数学模型第28-30页
        2.4.1 桁架结构截面尺寸的优化设计第28-29页
        2.4.2 桁架结构的截面尺寸和形状组合优化第29-30页
    2.5 本章小结第30-31页
第3章 蚁群算法第31-41页
    3.1 蚁群算法的寻优思路及基本特点第31-34页
        3.1.1 蚁群算法的寻优思路第31-32页
        3.1.2 蚁群算法的基本特点第32-34页
    3.2 蚁群算法模型的建立过程第34-35页
    3.3 蚁群算法的数学模型及其寻优策略第35-37页
        3.3.1 蚁群算法的数学模型第35-36页
        3.3.2 基本蚁群算法的寻优步骤第36-37页
    3.4 几种经典蚁群算法第37-39页
    3.5 本章小结第39-41页
第4章 改进的蚁群优化算法第41-51页
    4.1 基本蚁群算法的优缺点第41-42页
    4.2 基本ACO算法的参数分析第42-44页
        4.2.1 信息素挥发系数第42页
        4.2.2 蚂蚁数量第42-43页
        4.2.3 启发式因子第43-44页
        4.2.4 信息素强度第44页
    4.3 改进的蚁群算法第44-46页
        4.3.1 对初始信息素分布的改进第44-45页
        4.3.2 寻优策略的改进第45-46页
    4.4 改进蚁群算法的实现过程第46-47页
    4.5 改进蚁群算法的仿真测试第47-49页
    4.6 本章小结第49-51页
第5章 改进蚁群算法在桁架结构离散变量优化中的应用第51-63页
    5.1 桁架结构的分类第51页
    5.2 离散变量的特点及优化方法第51-53页
        5.2.1 离散变量的特点第51-52页
        5.2.2 离散变量的优化方法第52-53页
    5.3 改进蚁群算法在桁架结构截面尺寸优化中的应用第53-55页
        5.3.1 桁架结构截面尺寸优化的数学模型第53-54页
        5.3.2 改进蚁群算法在桁架结构尺寸优化中的实现第54-55页
    5.4 基于改进算法的应用实例第55-61页
        5.4.1 10杆平面桁架第55-56页
        5.4.2 10杆平面桁架结构所得优化结果分析第56-58页
        5.4.3 52杆平面桁架优化第58-59页
        5.4.4 52杆平面桁架优化结果分析第59-61页
    5.5 本章小结第61-63页
结论与展望第63-65页
致谢第65-67页
参考文献第67-73页
作者简介第73页
攻读硕士学位期间发表的论文第73-74页

论文共74页,点击 下载论文
上一篇:基于在地性的现代景观建筑设计策略研究--以赤峰市红山公园及南山公园景观建筑设计为例
下一篇:拱形管桁架结构的平面内稳定性及设计方法研究