CN106096093A - 基于多目标遗传算法的伸臂道数及布置位置的自动优化方法 - Google Patents

基于多目标遗传算法的伸臂道数及布置位置的自动优化方法 Download PDF

Info

Publication number
CN106096093A
CN106096093A CN201610375702.7A CN201610375702A CN106096093A CN 106096093 A CN106096093 A CN 106096093A CN 201610375702 A CN201610375702 A CN 201610375702A CN 106096093 A CN106096093 A CN 106096093A
Authority
CN
China
Prior art keywords
semi
girder
genetic algorithm
objective genetic
optimization method
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610375702.7A
Other languages
English (en)
Other versions
CN106096093B (zh
Inventor
陈跃
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo University of Technology
Original Assignee
Ningbo University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ningbo University of Technology filed Critical Ningbo University of Technology
Priority to CN201610375702.7A priority Critical patent/CN106096093B/zh
Publication of CN106096093A publication Critical patent/CN106096093A/zh
Application granted granted Critical
Publication of CN106096093B publication Critical patent/CN106096093B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/30—Circuit design
    • G06F30/36—Circuit design at the analogue level
    • G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming

Abstract

本发明基于多目标遗传算法的伸臂道数及布置位置的自动优化方法：一、建立结构模型，定义多目标遗传算法参数，产生初始种群；二、引用规范约束条件，运用相关简化公式对每个个体进行计算，得出相应的性能指标；三、检查统计伸臂桁架层数量、计算筒体基底弯矩值、计算顶点位移值是否满足规范约束要求，若是，则进行第四步，若否，则返回第三步；四、评价优化解集中个体的适应度；应用精英策略选出并保存最优个体，将其放入到下一代种群中，替换适应度最差的个体；五、检查是否满足预定的停止准则，若是，然后通过三目标函数及结合相关性能指标来选择满意的方案；若否，则执行下一代繁殖，直到满足为止。

Description

基于多目标遗传算法的伸臂道数及布置位置的自动优化方法
技术领域
本发明属于建筑结构设计技术领域，具体涉及一种应用于带伸臂桁架的高层或超高层结构设计中基于多目标遗传算法的伸臂道数及布置位置的自动优化方法。
背景技术
在建筑结构中，特别是(超)高层建筑，通常设计伸臂桁架来增加建筑结构的刚度，以减小建筑结构的层间位移角和周期，加强核心筒与外围框架的连接牢固度，构成抗侧效率较高的建筑结构体系。
伸臂桁架的用钢量较大，对于一幢建筑构造而言，如何设计伸臂桁架的伸臂道数以及位置的布置，既关系整体建筑构造的复杂性，又关系到建筑成本(经济性)，以及稳定可靠(安全性)。基于此，本发明提出了一种应用于带伸臂桁架的超高层结构设计中基于多目标遗传算法的伸臂道数及布置位置的自动优化方法
发明内容
基于上述现状，本发明提供了一种基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，本发明优化方法应用于带伸臂桁架的(超)高层结构设计中，既能满足建筑构造的简洁性、安全性，又能节约建筑成本。
为达到上述目的，本发明采取如下技术方案：
基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，其按如下步骤进行：
一、建立结构模型，定义多目标遗传算法参数，产生初始种群；
二、引用规范约束条件，运用相关简化公式对每个个体进行计算，得出相应的性能指标，包括统计伸臂桁架层数量、计算筒体基底弯矩值、计算顶点位移值；
三、检查统计伸臂桁架层数量、计算筒体基底弯矩值、计算顶点位移值是否满足规范约束要求，若是，则进行第四步，若否，则返回第三步；
四、评价优化解集中个体的适应度；应用精英策略选出并保存最优个体，将其放入到下一代种群中，替换适应度最差的个体；
五、检查是否满足预定的停止准则，若是，则停止迭代，然后通过伸臂桁架层数量、顶点位移减小效率、筒体基底弯矩减小率三目标函数及结合相关性能指标来选择满意的设计方案；若否，则执行下一代繁殖：进行选择、交叉、变异运算，并选出精英个体，返回第一步中的产生初始种群，直到满足为止。
优选的，步骤一：运用MATLAB计算机编程语言建立简化的带伸臂桁架超高层建筑结构数学模型，包含的信息有：结构层数、高度、伸臂桁架层数量、荷载、刚度。
优选的，步骤一：定义多目标遗传算法参数，包括：目标函数的数量、设计变量数目、轮盘赌参数、交叉率、变异率。
优选的，目标函数之一：建筑结构顶点位移
Δ T = wH 4 8 E I - 1 2 E I Σ i = 1 n [ M i ( H 2 - x i 2 ) ]
其中：
△T为建筑结构顶点位移；
w为作用在建筑结构外立面上的风荷载；
H为建筑结构的总高度；
EI为核心筒的抗弯刚度；
M为伸臂桁架层作用在核心筒上的弯矩；
xi为伸臂桁架层所在位置到结构顶点间距离；
目标函数之二：筒体底部弯矩
M B = wx 2 2 - Σ i = 1 n M i
其中：
x为筒体顶点与底部之间的任何位置离顶点的距离；
目标函数之三：伸臂桁架层数量
Nu＝{1,2,3,4,5,6,7,8,9，10}。
优选的，设计变量：xi(i＝1,2,3,4,5,6,7,8,9，10)。
优选的，步骤二中的约束条件：
△T≤H/500，即：结构顶点最大位移不超过H/500；
0≤Xi≤H；
Xi≤Xi+1。
本发明运用多目标遗传优化算法，在优化数学模型中考虑各种性能约束条件，以(超)高层建筑结构中伸臂桁架层数量(代表影响结构设计的经济性与复杂性的指标)、结构顶点位移减小率、筒体基底弯矩减小率为3个目标函数，来研究伸臂桁架在高层建筑中设置数量及位置的关键问题；并且运用MATLAB语言等开发地震荷载作用下带伸臂桁架超高层结构的伸臂道数及布置位置的自动优化方案。
本发明预计最终得出多个满足规范要求的设计方案。与现有的常规设计不同，本发明多目标优化设计可给出多个优化解，供业主选择，业主对结构设计的性能指标有较多的选择余地。即，业主可以增加主动参与设计的机会，可提出满足规范甚至高于规范的性能指标要求，可灵活地选择满足(超)高建筑层设备层与避难层设置位置问题的设计方案，较好地体现了基于性能设计的思想。参见图1。
附图说明
图1是本发明基于多目标遗传算法的伸臂道数及布置位置的自动优化方法的技术构架图。
图2是本发明基于多目标遗传算法的伸臂道数及布置位置的自动优化方法流程图。
具体实施方式
下面结合附图对本发明优选实施例进行详细说明。
基于性能设计的思想，运用多目标遗传优化算法，在优化数学模型中考虑各种性能约束条件，以超高层建筑结构中伸臂桁架层数量、结构顶点位移减小率、筒体基底弯矩减小率为3个目标函数，来研究伸臂桁架在高层建筑中设置数量及位置的关键问题，并且运用MATLAB语言开发地震荷载作用下带伸臂桁架超高层结构的伸臂道数及布置位置的自动优化方案。如图2所示，本实施例具体操作步骤如下：
一、建立结构模型，定义多目标遗传算法参数，产生初始种群；
1、首先运用MATLAB计算机编程语言建立简化的带伸臂桁架超高层建筑结构数学模型，其中包含的主要信息有：结构层数、高度、伸臂桁架层数量、荷载、刚度等。
2、定义多目标遗传算法的参数，如：目标函数的数量、设计变量数目、轮盘赌参数、交叉率、变异率；并且应用多目标遗传算法产生优化设计的初始种群。
目标函数之一：建筑结构顶点位移
Δ T = wH 4 8 E I - 1 2 E I Σ i = 1 n [ M i ( H 2 - x i 2 ) ]
其中：
△T为建筑结构顶点位移；
w为作用在建筑结构外立面上的风荷载；
H为建筑结构的总高度；
EI为核心筒的抗弯刚度；
M为伸臂桁架层作用在核心筒上的弯矩；
xi为伸臂桁架层所在位置到结构顶点间距离。
目标函数之二：筒体底部弯矩
M B = wx 2 2 - Σ i = 1 n M i
其中：
x为筒体顶点与底部之间的任何位置离顶点的距离。
目标函数之三：伸臂桁架层数量
Nu＝{1,2,3,4,5,6,7,8,9，10}；
设计变量：
xi(i＝1,2,3,4,5,6,7,8,9，10)
xi为伸臂桁架层所在位置到结构顶点间距离。
优化算法：MATLAB自带多目标遗传算法工具箱。
二、引用规范约束条件，运用相关简化公式对每个个体进行计算，得出相应的性能指标，包括统计伸臂桁架层数量、计算筒体基底弯矩值、计算顶点位移值。
对所产生的初始种群中的每个个体进行初始评价，即运用相关的简化公式计算结构体系的相关性能指标，统计伸臂桁架层层数量、顶点最大位移及筒体基底弯矩值。
约束条件：
△T≤H/500，即：结构顶点最大位移不超过H/500；
0≤Xi≤H；
Xi≤Xi+1。
三、检查统计伸臂桁架层数量、计算筒体基底弯矩值、计算顶点位移值是否满足规范约束要求，若是，则进行第四步，若否，则返回第三步。
四、评价优化解集中个体的适应度；应用精英策略选出并保存最优个体。将其放入到下一代种群中，替换适应度最差的个体(一个个体代表一个设计方案)。
以规范的构造、内力及变形要求为约束条件检验初始种群中每个个体的适应度；按照设定的规则将适应度较低的设计方案去除；评价优化解集中个体的适应度；应用精英策略选出并保存最优个体。将其放入到下一代种群中，替换适应度最差的个体(一个个体代表一个设计方案)。
五、检查是否满足预定的停止准则，若是，则结合设计者的建议，业主根据自己的要求及经济能力，通过伸臂桁架层数量、顶点位移减小效率、筒体基底弯矩减小率三目标函数及结合相关性能指标来选择满意的设计方案，结束；若否，则执行下一代繁殖：进行选择、交叉等运算，并选出精英个体，并返回第一步中的产生初始种群。
检查是否满足程序预定的停止准则，如满足则停止迭代，然后结合设计者的建议，业主根据自己的要求及经济能力，通过伸臂桁架层数量、顶点位移减小效率、筒体基底弯矩减小率三目标函数及结合相关性能指标来选择满意的设计解(优化解集中某个设计方案)；如不满足预定的停止准则，则继续执行下一代的繁殖，继续进行选择、交叉、变异运算，直到满足为止。
本发明的创新之处：
1、首次将人工智能算法—多目标遗传算法运用到地震荷载作用下带伸臂桁架(超)高层结构的优化研究中，体现出项目研究具有多学科交叉的特征。
2、在基于带伸臂桁架的(超)高层建筑结构已有单目标函数优化模型的基础上，开发多目标函数优化模型。与已有的单目标函数数学模型相比，该多目标函数模型除考虑结构顶点位移减小率外，还考虑伸臂桁架层数量、筒体基底弯矩减小率的三目标函数。
3、以MATLAB语言为平台，依据基于性能的设计思想，结合多目标遗传算法编制地震荷载作用下带伸臂桁架超高层结构中伸臂桁架设置的数量及位置优选自动优化设计方案。
以上对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也落入本发明的保护范围。

Claims (6)

1.基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，其特征是按如下步骤进行：
一、建立结构模型，定义多目标遗传算法参数，产生初始种群；
二、引用规范约束条件，运用相关简化公式对每个个体进行计算，得出相应的性能指标，包括统计伸臂桁架层数量、计算筒体基底弯矩值、计算顶点位移值；
三、检查统计伸臂桁架层数量、计算筒体基底弯矩值、计算顶点位移值是否满足规范约束要求，若是，则进行第四步，若否，则返回第三步；
四、评价优化解集中个体的适应度；应用精英策略选出并保存最优个体，将其放入到下一代种群中，替换适应度最差的个体；
五、检查是否满足预定的停止准则，若是，则停止迭代，然后通过伸臂桁架层数量、顶点位移减小效率、筒体基底弯矩减小率三目标函数及结合相关性能指标来选择满意的设计方案；若否，则执行下一代繁殖：进行选择、交叉、变异运算，并选出精英个体，返回第一步中的产生初始种群，直到满足为止。
2.如权利要求1所述基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，其特征是：步骤一：运用MATLAB计算机编程语言建立简化的带伸臂桁架超高层建筑结构数学模型，包含的信息有：结构层数、高度、伸臂桁架层数量、荷载、刚度。
3.如权利要求1或2所述基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，其特征是：步骤一：定义多目标遗传算法参数，包括：目标函数的数量、设计变量数目、轮盘赌参数、交叉率、变异率。
4.如权利要求3所述基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，其特征是：
目标函数之一：建筑结构顶点位移
Δ T = wH 4 8 E I - 1 2 E I Σ i = 1 n [ M i ( H 2 - x i 2 ) ]
其中：
△T为建筑结构顶点位移；
w为作用在建筑结构外立面上的风荷载；
H为建筑结构的总高度；
EI为核心筒的抗弯刚度；
M为伸臂桁架层作用在核心筒上的弯矩；
xi为伸臂桁架层所在位置到结构顶点间距离；
目标函数之二：筒体底部弯矩
M B = wx 2 2 - Σ i = 1 n M i
其中：
x为筒体顶点与底部之间的任何位置离顶点的距离；
目标函数之三：伸臂桁架层数量
Nu＝{1,2,3,4,5,6,7,8,9，10}。
5.如权利要求4所述基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，其特征是：设计变量：xi(i＝1,2,3,4,5,6,7,8,9，10)。
6.如权利要求5所述基于多目标遗传算法的伸臂道数及布置位置的自动优化方法，其特征是：步骤二中的约束条件：
△T≤H/500，即：结构顶点最大位移不超过H/500；
0≤Xi≤H；
Xi≤Xi+1。
CN201610375702.7A 2016-05-31 2016-05-31 基于多目标遗传算法的伸臂道数及布置位置的自动优化方法 Active CN106096093B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610375702.7A CN106096093B (zh) 2016-05-31 2016-05-31 基于多目标遗传算法的伸臂道数及布置位置的自动优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610375702.7A CN106096093B (zh) 2016-05-31 2016-05-31 基于多目标遗传算法的伸臂道数及布置位置的自动优化方法

Publications (2)

Publication Number Publication Date
CN106096093A true CN106096093A (zh) 2016-11-09
CN106096093B CN106096093B (zh) 2019-02-22

Family

ID=57230888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610375702.7A Active CN106096093B (zh) 2016-05-31 2016-05-31 基于多目标遗传算法的伸臂道数及布置位置的自动优化方法

Country Status (1)

Country Link
CN (1) CN106096093B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107665272A (zh) * 2017-08-30 2018-02-06 西安建构实业有限责任公司 一种预制钢筋混凝土底板施工阶段的抗弯刚度计算方法
CN110765531A (zh) * 2019-10-23 2020-02-07 宁波工程学院 一种快速确定框架-摇摆墙结构中框架刚度的方法
CN110826287A (zh) * 2019-10-23 2020-02-21 宁波大学 一种框架-摇摆墙结构的设计参数确定方法
EP4036779A1 (en) * 2021-02-01 2022-08-03 CORA Digital Interior Manufacturing GmbH Method for developing and optimization of a construction proposal

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030188271A1 (en) * 2002-04-02 2003-10-02 Institute Of High Performance Computing System and method for integrated circuit design
CN102360456A (zh) * 2011-10-14 2012-02-22 上海电机学院 结合热力学遗传算法的多目标优化方法
CN105550437A (zh) * 2015-12-09 2016-05-04 天津大学 一种基于遗传算法的室内环境反向设计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030188271A1 (en) * 2002-04-02 2003-10-02 Institute Of High Performance Computing System and method for integrated circuit design
CN102360456A (zh) * 2011-10-14 2012-02-22 上海电机学院 结合热力学遗传算法的多目标优化方法
CN105550437A (zh) * 2015-12-09 2016-05-04 天津大学 一种基于遗传算法的室内环境反向设计方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107665272A (zh) * 2017-08-30 2018-02-06 西安建构实业有限责任公司 一种预制钢筋混凝土底板施工阶段的抗弯刚度计算方法
CN107665272B (zh) * 2017-08-30 2021-01-29 西安建构实业有限责任公司 一种预制钢筋混凝土底板施工阶段的抗弯刚度计算方法
CN110765531A (zh) * 2019-10-23 2020-02-07 宁波工程学院 一种快速确定框架-摇摆墙结构中框架刚度的方法
CN110826287A (zh) * 2019-10-23 2020-02-21 宁波大学 一种框架-摇摆墙结构的设计参数确定方法
EP4036779A1 (en) * 2021-02-01 2022-08-03 CORA Digital Interior Manufacturing GmbH Method for developing and optimization of a construction proposal

Also Published As

Publication number Publication date
CN106096093B (zh) 2019-02-22

Similar Documents

Publication Publication Date Title
CN106096093A (zh) 基于多目标遗传算法的伸臂道数及布置位置的自动优化方法
Günaydın et al. A neural network approach for early cost estimation of structural systems of buildings
Wang et al. High-performance computer-aided optimization of viscous dampers for improving the seismic performance of a tall building
Mayencourt et al. Hybrid analytical and computational optimization methodology for structural shaping: Material-efficient mass timber beams
Nouri et al. Weight and topology optimization of outrigger-braced tall steel structures subjected to the wind loading using GA
Kaveh et al. Sustainable design of reinforced concrete frames with non-prismatic beams
Babaei et al. Multi-objective optimal design of braced frames using hybrid genetic and ant colony optimization
Wu Globalization, the changing state, and local governance in Shanghai
Mahjoubi et al. Game theory‐based metaheuristics for structural design optimization
Farahmand-Tabar Genetic algorithm and accelerating fuzzification for optimum sizing and topology design of real-size tall building systems
Mohammadi et al. Performance-based design optimization using uniform deformation theory: a comparison study
Chen et al. MULTICRITERION DECISION MAKING FOR FLOOD CONTROL OPERATIONS: THEORY AND APPLICATIONS 1
Gan et al. BIM-based integrated design approach for low carbon green building optimization and sustainable construction
Hoseini et al. Structural design optimization of all-steel buckling-restrained braces using intelligent optimizers
Bottero et al. The use of the Analytic Network Process for the sustainability assessment of an urban transformation project
Gholizadeh et al. Seismic design optimization of steel structures by a sequential ECBO algorithm
JP2005293527A (ja) 建築コストマネジメントシステム
CN104120803A (zh) 一种用于新建耗能减震结构的优化设计方法
Terapathana An energy method for earthquake resistant design of RC structures
Javidannia et al. Performance oriented design framework for early tall building form development
Shen et al. Optimal Building Frame Column Design Based on the Genetic Algorithm.
Yüksel An Overview on Tall Buildings from the Point of Structural Engineering
CN103530460A (zh) 针对包含不确定因素的产品绿色优化设计问题的解决方法
Chok Lateral systems for tall buildings
Lu et al. Engineering Application of Earthquake Disaster Simulation of Supertall Buildings

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant