CN109933855A - 基于遗传算法的自复位支撑结构抗震性能优化方法与系统 - Google Patents

Abstract

本发明涉及基于遗传算法的自复位支撑结构抗震性能优化方法与系统，所述基于遗传算法的自复位支撑结构抗震性能优化系统，包括：获取单元、第一选择单元、第二选择单元、第三选择单元、第四选择单元、第一计算单元、第二计算单元、第三计算单元、第四计算单元、第一生成单元、第二生成单元、检测单元；本发明基于遗传算法生成计算样本，考虑结构响应对自复位支撑参数的敏感性，在优化地震动作用下得到样本中各个个体的响应，以目标函数为依据选择最优个体，经过反复循环运算，合理、高效地得到自复位支撑结构中支撑构件的最优设计参数取值，在不明显提高成本的前提下改善结构的抗震性能。

Description

基于遗传算法的自复位支撑结构抗震性能优化方法与系统

技术领域

本发明属于建筑结构技术领域，涉及一种基于遗传算法的、考虑参数敏感性的、针对布置有自复位支撑的建筑结构的抗震性能优化方法与系统。

背景技术

我国地震区域广阔而分散，地震频繁而强烈，严重危及人民生命财产。已有研究表明，结构震后的残余变形角大于0.5％时，结构的维修成本大于重建成本。为提高结构的抗震性能、降低结构震后恢复与重建成本，国内外学者提出了“可恢复功能结构”的概念，包含结构体系和结构构件两个层次。自复位支撑作为可恢复功能结构构件的一种，是通过改进传统结构支撑而设计出的具有复位性能的结构抗侧力构件，其能够承受大的轴向变形而不发生构件破坏，同时提供稳定的耗能能力和复位能力，将残余变形尽可能减小甚至消除，确保结构的安全性。

布置有自复位支撑的结构体系在地震作用下具有其独特的失效规律和薄弱环节，对其抗震性能进行优化，能够改善不理想的失效模式，在不明显增加结构造价或维护费用的前提下，提高结构的抗震性能，减少地震造成的人员伤亡和经济损失。由于自复位支撑结构体系相比普通结构体系构件数目更多，结构参数域更广，因此对该类结构运用传统的抗震性能优化方法效率较低，效果也不显著。近年来，对于复杂系统参数优化问题，遗传算法在搜索其全局最优解时表现突出，可为自复位支撑结构体系的优化提供理论依据和实用价值。

发明内容

为达到以上目的，本发明采取的技术方案是：

本发明为解决现有自复位支撑结构中支撑构件设计参数取值缺乏理论依据和优化优选的问题，同时，考虑到传统优化算法中不同设计参数在优化过程中变化速率相同的原理并不合理，提出了一种基于遗传算法的、考虑参数敏感性的、针对布置有自复位支撑的建筑结构的抗震性能优化方法与系统，用以修正遗传算法模块中各参数变化速率，最终合理、高效地得到自复位支撑结构中支撑构件的最优设计参数取值。

本发明所要解决的技术问题是提供一种基于遗传算法的自复位支撑结构抗震性能优化方法与系统，以合理、高效地得到自复位支撑结构中支撑构件的最优设计参数取值，提高结构的抗震性能。

本发明提出了基于遗传算法的自复位支撑结构抗震性能优化方法，包括以下步骤：

步骤1：获取结构设计参数；

步骤2：选择自复位支撑设计参数的初始值；

步骤3：选择用于优化问题的地震动、目标函数、约束条件和收敛准则；

步骤4：计算布置有按设计参数的初始值设计的自复位支撑的结构计算模型在优化地震动作用下的响应；

步骤5：计算标准化的参数敏感性指数并确定参数改进策略；

步骤6：生成遗传算法优化的初始种群；

步骤7：根据优化问题的约束条件在遗传算法本代优化种群中选择个体；

步骤8：根据步骤5和步骤7的结果生成本代优化的计算样本；

步骤9：计算步骤8生成的计算样本中各自复位支撑结构计算模型在优化地震动作用下的响应；

步骤10：在步骤9的结果中以目标函数为依据选择本代优化的最优个体并用该个体的支撑设计参数替换本代优化前的支撑设计参数；

步骤11：利用遗传算法计算生成下一代优化的种群；

步骤12：检测本代优化是否满足优化问题的收敛准则；

若是，则优化完成；

若否，则返回步骤5和步骤7。

优选的，步骤1中所述结构设计参数包含结构几何布置、构件尺寸、构件截面特性、材料强度、配筋率等。

优选的，步骤2中所述自复位支撑设计参数包含第一刚度、第二刚度、预压力、阻尼力、激活位移。

优选的，步骤3中所述用于优化问题的地震动的选择方法为：将美国FEMA P695中建议的22组远场地震动按自复位支撑结构设计性能水准进行调幅，分别输入布置有按设计参数的初始值设计的自复位支撑的结构计算模型进行响应计算，得到的最不利地震动为用于优化问题的地震动。

优选的，步骤3中所述优化问题的目标函数为：标准化的结构最大层间位移角及最大顶层位移的加权计算值达到最小。

优选的，步骤3中所述优化问题的约束条件为：第二刚度和第一刚度比不超过0.2；阻尼力与预压力之比不大于残余位移系数(残余位移系数可取为1.3)；激活位移不超过激活位移的初始值的两倍。

优选的，步骤3中所述优化问题的收敛准则为：当第k次循环的目标函数大于第k-cf次到第k-1次循环的目标函数的平均值时，认定优化结束。(cf是算法收敛性因子，可取为5)

优选的，步骤5中所述标准化的参数敏感性指数为：结构响应量对参数的一阶导数。

优选的，步骤5中所述参数改进策略为提高对结构响应影响较大参数的变化速率或减缓对结构响应影响较大参数的变化速率。

另一方面，本发明还提出了一种基于遗传算法的自复位支撑结构抗震性能优化系统，包括：获取单元、第一选择单元、第二选择单元、第三选择单元、第四选择单元、第一计算单元、第二计算单元、第三计算单元、第四计算单元、第一生成单元、第二生成单元、检测单元；

所述获取单元依次与第一选择单元、第二选择单元、第一计算单元和第二计算单元连接；

所述第一生成单元与第三选择单元连接；

所述第二计算单元、第三选择单元与第二生成单元连接，所述第二生成单元依次与第三计算单元、第四选择单元、第四计算单元和检测单元连接；

所述检测单元分别与第二计算单元、第三选择单元连接；

获取单元，用于获取结构设计参数，根据结构设计参数得到结构计算模型；

第一选择单元，用于选择自复位支撑设计参数的初始值；

第二选择单元，用于选择用于优化问题的地震动、目标函数、约束条件和收敛准则；

第一计算单元，用于计算布置有按设计参数的初始值设计的自复位支撑的结构计算模型在优化地震动作用下的响应；

第二计算单元，用于计算标准化的参数敏感性指数并确定参数改进策略；

第一生成单元，用于生成遗传算法优化的初始种群；

第三选择单元，用于根据优化问题的约束条件在遗传算法本代优化种群中选择个体；

第二生成单元，用于生成本代优化的计算样本；

第三计算单元，用于计算本代优化的计算样本中各自复位支撑结构计算模型在优化地震动作用下的响应；

第四选择单元，用于以目标函数为依据选择本代优化的最优个体并用该个体的支撑设计参数替换本代优化前的支撑设计参数；

第四计算单元，用于利用遗传算法计算生成下一代优化的种群；

检测单元，用于检测本代优化是否满足优化问题的收敛准则；

若是，则优化完成；

若否，则返回第二计算单元和第三选择单元。

优选的，获取单元中所述结构设计参数包含结构几何布置、构件尺寸、构件截面特性、材料强度、配筋率等。

优选的，第一选择单元中所述自复位支撑设计参数包含第一刚度、第二刚度、预压力、阻尼力、激活位移。

优选的，第二选择单元包含：第一选择子单元、第二选择子单元、第三选择子单元、第四选择子单元；

所述第一选择子单元依次与第二选择子单元、第三选择子单元、第四选择子单元连接；

第一选择子单元，用于选择优化问题的地震动，选择方法为：将美国FEMA P695中建议的22组远场地震动按自复位支撑结构设计性能水准进行调幅，分别输入布置有按设计参数的初始值设计的自复位支撑的结构计算模型进行响应计算，得到的最不利地震动为用于优化问题的地震动；

第二选择子单元，用于选择优化问题的目标函数，目标函数为：标准化的结构最大层间位移角及最大顶层位移的加权计算值达到最小。

第三选择子单元，用于选择优化问题的约束条件，约束条件为：第二刚度和第一刚度比不超过0.2；阻尼力与预压力之比不大于残余位移系数(残余位移系数可取为1.3)；激活位移不超过激活位移的初始值的两倍；

第四选择子单元，用于选择优化问题的收敛准则，收敛准则为：当第k次循环的目标函数大于第k-cf次到第k-1次循环的目标函数的平均值时，认定优化结束。(cf是算法收敛性因子，可取为5)

优选的，第二计算单元包含：计算子单元和确定子单元；

所述计算子单元与确定子单元连接；

计算子单元，用于计算标准化的参数敏感性指数，计算方法为：结构响应量对参数的一阶导数；

确定子单元，用于确定参数改进策略，改进策略为提高对结构响应影响较大参数的变化速率或减缓对结构响应影响较大参数的变化速率。

优选的，第四选择单元包含：第五选择子单元和替换子单元；

所述第五选择子单元与替换子单元连接；

第五选择子单元，用于以目标函数为依据选择本代优化的最优个体；

替换子单元，用最优个体的支撑设计参数替换本代优化前的支撑设计参数。

与现有技术相比，本发明具有以下优点：

本发明以遗传算法为优化算法，考虑结构响应对自复位支撑参数的敏感性，提出一种基于遗传算法的自复位支撑结构抗震性能优化方法与系统，基于遗传算法生成计算样本，在优化地震动作用下得到样本中各个个体的响应，以目标函数为依据选择最优个体，经过反复循环运算，合理、高效地得到自复位支撑结构中支撑构件的最优设计参数取值，在不明显提高成本的前提下改善结构的抗震性能。

附图说明

本发明有如下附图：

图1为本发明涉及的基于遗传算法的自复位支撑结构抗震性能优化方法的步骤流程图；

图2为本发明的一个具体算例中10层3跨的单榀钢框架结构立面图；

图3为本发明的一个具体算例中各个地震动下结构各层最大层间位移角包络线；

图4为本发明的一个具体算例中优化前后最不利地震动下结构各层最大层间位移角包络线；

图5为本发明涉及的基于遗传算法的自复位支撑结构抗震性能优化系统的结构示意图；

图6为本发明涉及的第二选择单元的结构示意图；

图7为本发明涉及的第二计算单元的结构示意图；

图8为本发明涉及的第四选择单元的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点更加明显易懂，下面结合附图和具体实施方式对本发明做进一步详细的说明。

参照图1，示出了本发明涉及的基于遗传算法的自复位支撑结构抗震性能优化方法的步骤流程图，所述方法包括：

步骤1：获取结构设计参数；

根据结构几何布置、构件尺寸、构件截面特性、材料强度、配筋率等设计参数得到结构计算模型。

步骤2：选择自复位支撑设计参数的初始值；

根据经验或传统设计方法得到第一刚度、第二刚度、预压力、阻尼力、激活位移等自复位支撑设计参数的初始值。

步骤3：选择用于优化问题的地震动、目标函数、约束条件和收敛准则；

将美国FEMA P695中建议的22组远场地震动按自复位支撑结构设计性能水准进行调幅，分别输入布置有按设计参数的初始值设计的自复位支撑的结构计算模型进行响应计算，得到的最不利地震动为用于优化问题的地震动；

将标准化的结构最大层间位移角及最大顶层位移的加权计算值达到最小选为优化问题的目标函数；

为保证自复位支撑性能的充分发挥，优化问题的约束条件选择为：第二刚度和第一刚度比不超过0.2；阻尼力与预压力之比不大于残余位移系数(残余位移系数可取为1.3)；激活位移不超过激活位移的初始值的两倍。

当第k次循环的目标函数大于第k-cf次到第k-1次循环的目标函数均值时，认定优化结束。(cf是算法收敛性因子，可取为5)

步骤4：计算布置有按设计参数的初始值设计的自复位支撑的结构计算模型在优化地震动作用下的响应。

步骤5：计算标准化的参数敏感性指数并确定参数改进策略；

s_w为标准化的参数θ敏感性指数，定义为：

式中，u是位移向量，u_max是位移最大值向量。

根据s_w定义两种线性的参数改进策略：

一是提高对结构响应影响较大参数的变化速率，定义为：

二是减缓对结构响应影响较大参数的变化速率，定义为：

式中，c_ij为优化个体中该参数调整后的变化速率，c_i为优化个体中该参数原有变化速率；i为优化个体的序号，j为结构计算模型中自复位支撑设计参数序号，q为自复位支撑设计参数的个数；c(j/q)为超过j/q结果的最小整数，r(j/q)是j/q结果的余数，当q能整除j时，r(j/q)等于q；max(s_w(u_c(j/q),θ_r(j/q)))为s_w(u_c(j/q),θ_r(j/q))的最大值，min(s_w(u_c(j/q),θ_r(j/q)))为s_w(u_c(j/q),θ_r(j/q))的最小值；w是与收敛准则相关的参数，为避免优化过程过早的中断，如果收敛准则越严格，那么w的值就应取得更小；

式中，max(s_w(u_c(j/q),θ))_mean为s_w(u_c(j/q),θ)的最大值的平均值，min(s_w(u_c(j/q),θ))_mean为s_w(u_c(j/q),θ)的最小值的平均值；m为层数。

步骤6：生成遗传算法优化的初始种群。

步骤7：根据优化问题的约束条件在遗传算法本代优化种群中选择个体；

选择满足遗传算法优化问题约束条件的个体。

步骤8：根据步骤5和步骤7的结果生成本代优化的计算样本。

步骤9：计算步骤8生成的计算样本中各自复位支撑结构计算模型在优化地震动作用下的响应。

步骤10：在步骤9的结果中以目标函数为依据选择本代优化的最优个体并用该个体的支撑设计参数替换本代优化前的支撑设计参数；

选择标准化的结构最大层间位移角及最大顶层位移的加权计算值达到最小的个体为本代优化的最优个体，将该个体的支撑设计参数替换本代优化前的支撑设计参数。

步骤11：利用遗传算法计算生成下一代优化的种群。

步骤12：检测本代优化是否满足优化问题的收敛准则；

检测第k次循环的目标函数是否大于第k-cf次到第k-1次循环的目标函数均值，若是，则优化完成；

若否，则返回步骤5和步骤7。

根据结构计算模型的不同，本发明可用于布置有自复位支撑的各种结构体系，因此对结构体系的种类不加限制。

下面，通过一个算例来说明本发明所述的基于遗传算法的自复位支撑结构抗震性能优化方法的优化过程。

该算例中建筑结构采用一10层3跨的单榀钢框架结构，结构的一阶自振周期为2.2s。参照图2，示出了本发明的一个具体算例中10层3跨的单榀钢框架结构立面图。结构总高30m，水平向尺寸为19m，共3跨，跨度分别为7m、5m、7m。结构框架梁柱全部采用H型钢，梁柱节点为刚性连接。边柱除底部两层为W14×99外，其余均为W14×90，中柱第1层至第10层的截面尺寸分别为W14×145、W14×132、W14×120、W14×99、W14×90、W14×74、W14×61、W14×61、W14×43和W14×34。结构第1层框架梁截面尺寸为W14×38、W14×22、W14×38，第2层和第3层框架梁截面尺寸为W14×43、W14×22、W14×43，第4层至第6层框架梁截面尺寸为W14×48、W14×22、W14×48，第7层框架梁截面尺寸为W14×53、W14×30、W14×53，第8层框架梁截面尺寸为W14×48、W14×30、W14×48，第9层框架梁截面尺寸为W14×43、W14×30、W14×43，第10层框架梁截面尺寸为W14×38、W14×30、W14×38。结构各层地震质量为50t，结构前两阶阻尼比为2％。

根据经验选择自复位支撑设计参数的初始值，第一刚度为10000kN·m^-1、第二刚度为1000kN·m^-1、预压力为10000N、阻尼力为10000N、激活位移为0.002m。

考虑到地震具有较大的随机性，不同的地震动对优化分析结果有明显的影响。将美国FEMA P695中建议的22组远场地震动按主体结构在中震下保持弹性、自复位支撑被激活提供复位与耗能能力的设计性能水准进行调幅，峰值地面加速度调整为0.2g，分别输入布置有按设计参数的初始值设计的自复位支撑的结构计算模型进行响应计算，得到各个地震动下结构各层最大层间位移角。参照图3，示出了本发明的一个具体算例中各个地震动下结构各层最大层间位移角包络线。由于Duzce台站记录的1999年土耳其Kocaeli地震下结构响应最大，其为最不利地震动，选为优化问题的地震动。优化问题的目标函数选择为标准化的结构最大层间位移角及最大顶层位移的加权计算值达到最小。优化问题的约束条件选择为：第二刚度和第一刚度比不超过0.2；阻尼力与预压力之比不大于1.3；激活位移不超过激活位移的初始值的两倍。优化问题的收敛准则选择为：当第k次循环的目标函数大于第k-5次到第k-1次循环的目标函数均值时，认定优化结束。

计算布置有按设计参数的初始值设计的自复位支撑的结构计算模型在优化地震动作用下的响应。计算标准化的参数敏感性指数，确定参数改进策略为减缓对结构响应影响较大参数的变化速率。生成遗传算法优化的初始种群，初始种群数为1000，杂交率为0.6，变异率为0.05。根据优化问题的约束条件在遗传算法本代优化种群中选择个体，生成第1代优化的计算样本，计算样本中各自复位支撑结构计算模型在优化地震动作用下的响应。以目标函数为依据选择第1代优化的最优个体并用该个体的支撑设计参数替换本代优化前的支撑设计参数。利用遗传算法计算生成第2代优化的种群。通过检测，发现第1代优化不满足优化问题的收敛准则，返回循环，进行第2代优化。

经过46代共计13,198次计算后，得到优化问题的最优解。参照表1，示出了本发明的一个具体算例中结构各层自复位支撑最优设计参数。参照图4，示出了本发明的一个具体算例中优化前后最不利地震动下结构各层最大层间位移角包络线。较未布置自复位支撑结构而言，布置有按设计参数的初始值设计的自复位支撑的结构的最大层间位移角仅减少了8.7％，布置有按最优设计参数设计的自复位支撑的结构的层间位移角沿层高分布更加均匀，最大值减小了15.5％，在成本没有明显提高的前提下有效改善了抗震性能。

表1本发明的一个具体算例中结构各层自复位支撑最优设计参数

参照图5，示出了本发明涉及的基于遗传算法的自复位支撑结构抗震性能优化系统的结构示意图，所述系统包括：

获取单元，用于获取结构设计参数，根据结构几何布置、构件尺寸、构件截面特性、材料强度、配筋率等设计参数得到结构计算模型；

第一选择单元，用于根据经验或传统设计方法选择第一刚度、第二刚度、预压力、阻尼力、激活位移等自复位支撑设计参数的初始值；

第二选择单元，用于选择用于优化问题的地震动、目标函数、约束条件和收敛准则；

第一计算单元，用于计算布置有按设计参数的初始值设计的自复位支撑的结构计算模型在优化地震动作用下的响应；

第二计算单元，用于计算标准化的参数敏感性指数并确定参数改进策略；

第一生成单元，用于生成遗传算法优化的初始种群；

第三选择单元，用于根据优化问题的约束条件在遗传算法本代优化种群中选择个体；

第二生成单元，用于生成本代优化的计算样本；

第三计算单元，用于计算本代优化的计算样本中各自复位支撑结构计算模型在优化地震动作用下的响应；

第四选择单元，用于以目标函数为依据选择本代优化的最优个体并用该个体的支撑设计参数替换本代优化前的支撑设计参数；

第四计算单元，用于利用遗传算法计算生成下一代优化的种群；

检测单元，用于检测本代优化是否满足优化问题的收敛准则；

若是，则优化完成；

若否，则返回第二计算单元和第三选择单元。

参照图6，示出了本发明涉及的第二选择单元的结构示意图，所述单元包含：

第一选择子单元，用于选择优化问题的地震动；

第二选择子单元，用于选择优化问题的目标函数；

第三选择子单元，用于选择优化问题的约束条件；

第四选择子单元，用于选择优化问题的收敛准则。

参照图7，示出了本发明涉及的第二计算单元的结构示意图，所述单元包含：

计算子单元，用于计算标准化的参数敏感性指数；

确定子单元，用于确定参数改进策略。

参照图8，示出了本发明涉及的第四选择单元的结构示意图，所述单元包含：

第五选择子单元，用于以目标函数为依据选择本代优化的最优个体；

替换子单元，用最优个体的支撑设计参数替换本代优化前的支撑设计参数。

对于系统而言，其与方法基本相似，所以描述的比较简单，相关之处参见方法的部分说明即可。

以上对本发明涉及的基于遗传算法的自复位支撑结构抗震性能优化方法和系统进行了详细的介绍，应用具体个例对本发明的原理及实施方式进行了阐述，以上的说明只是用于帮助理解本申请的方法及核心思想。对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本文内容不应理解为对本发明的限制。

Claims (9)

1.一种基于遗传算法的自复位支撑结构抗震性能优化方法，其特征在于，包括以下步骤：

步骤1：获取结构设计参数；

步骤2：选择自复位支撑设计参数的初始值；

步骤3：选择用于优化问题的地震动、目标函数、约束条件和收敛准则；

步骤4：计算布置有按设计参数的初始值设计的自复位支撑的结构计算模型在优化地震动作用下的响应；

步骤5：计算标准化的参数敏感性指数并确定参数改进策略；

步骤6：生成遗传算法优化的初始种群；

步骤7：根据优化问题的约束条件在遗传算法本代优化种群中选择个体；

步骤8：根据步骤5和步骤7的结果生成本代优化的计算样本；

步骤9：计算步骤8生成的计算样本中各自复位支撑结构计算模型在优化地震动作用下的响应；

步骤10：在步骤9的结果中以目标函数为依据选择本代优化的最优个体并用该个体的支撑设计参数替换本代优化前的支撑设计参数；

步骤11：利用遗传算法计算生成下一代优化的种群；

步骤12：检测本代优化是否满足优化问题的收敛准则；

若是，则优化完成；

若否，则返回步骤5和步骤7。

2.如权利要求1所述的基于遗传算法的自复位支撑结构抗震性能优化方法，其特征在于，步骤1中所述结构设计参数包含结构几何布置、构件尺寸、构件截面特性、材料强度、配筋率。

3.如权利要求1所述的基于遗传算法的自复位支撑结构抗震性能优化方法，其特征在于，步骤2中所述自复位支撑设计参数包含第一刚度、第二刚度、预压力、阻尼力、激活位移。

4.如权利要求1所述的基于遗传算法的自复位支撑结构抗震性能优化方法，其特征在于，步骤5中所述参数改进策略为提高对结构响应影响较大参数的变化速率或减缓对结构响应影响较大参数的变化速率。

5.一种基于遗传算法的自复位支撑结构抗震性能优化系统，包括：获取单元、第一选择单元、第二选择单元、第三选择单元、第四选择单元、第一计算单元、第二计算单元、第三计算单元、第四计算单元、第一生成单元、第二生成单元、检测单元；

所述获取单元依次与第一选择单元、第二选择单元、第一计算单元和第二计算单元连接；

所述第一生成单元与第三选择单元连接；

所述第二计算单元、第三选择单元与第二生成单元连接，所述第二生成单元依次与第三计算单元、第四选择单元、第四计算单元和检测单元连接；

所述检测单元分别与第二计算单元、第三选择单元连接；

获取单元，用于获取结构设计参数，根据结构设计参数得到结构计算模型；

第一选择单元，用于选择自复位支撑设计参数的初始值；

第二选择单元，用于选择用于优化问题的地震动、目标函数、约束条件和收敛准则；

第一计算单元，用于计算布置有按设计参数的初始值设计的自复位支撑的结构计算模型在优化地震动作用下的响应；

第二计算单元，用于计算标准化的参数敏感性指数并确定参数改进策略；

第一生成单元，用于生成遗传算法优化的初始种群；

第三选择单元，用于根据优化问题的约束条件在遗传算法本代优化种群中选择个体；

第二生成单元，用于生成本代优化的计算样本；

第三计算单元，用于计算本代优化的计算样本中各自复位支撑结构计算模型在优化地震动作用下的响应；

第四选择单元，用于以目标函数为依据选择本代优化的最优个体并用该个体的支撑设计参数替换本代优化前的支撑设计参数；

第四计算单元，用于利用遗传算法计算生成下一代优化的种群；

检测单元，用于检测本代优化是否满足优化问题的收敛准则；

若是，则优化完成；

若否，则返回第二计算单元和第三选择单元。

6.如权利要求5所述的基于遗传算法的自复位支撑结构抗震性能优化系统，其特征在于，获取单元中所述结构设计参数包含结构几何布置、构件尺寸、构件截面特性、材料强度、配筋率。

7.如权利要求5所述的基于遗传算法的自复位支撑结构抗震性能优化系统，其特征在于，第一选择单元中所述自复位支撑设计参数包含第一刚度、第二刚度、预压力、阻尼力、激活位移。

8.如权利要求5所述的基于遗传算法的自复位支撑结构抗震性能优化系统，其特征在于，第二选择单元包含：第一选择子单元、第二选择子单元、第三选择子单元、第四选择子单元；

所述第一选择子单元依次与第二选择子单元、第三选择子单元、第四选择子单元连接；

第一选择子单元，用于选择优化问题的地震动；

第二选择子单元，用于选择优化问题的目标函数；

第三选择子单元，用于选择优化问题的约束条件；

第四选择子单元，用于选择优化问题的收敛准则。

9.如权利要求5所述的基于遗传算法的自复位支撑结构抗震性能优化系统，其特征在于，第二计算单元包含：计算子单元和确定子单元；

所述计算子单元与确定子单元连接；

计算子单元，用于计算标准化的参数敏感性指数；

确定子单元，用于确定参数改进策略，改进策略为提高对结构响应影响较大参数的变化速率或减缓对结构响应影响较大参数的变化速率；

第四选择单元包含：第五选择子单元和替换子单元；

所述第五选择子单元与替换子单元连接；

第五选择子单元，用于以目标函数为依据选择本代优化的最优个体；

替换子单元，用最优个体的支撑设计参数替换本代优化前的支撑设计参数。