本發(fā)明涉及內(nèi)支撐截面優(yōu)化，具體涉及一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法。

背景技術(shù)：

1、內(nèi)支撐截面優(yōu)化問題是工程領(lǐng)域中常見的優(yōu)化問題之一，其目標(biāo)是通過調(diào)整截面形狀和尺寸，使得結(jié)構(gòu)在滿足一定約束條件的前提下，具有最小的重量或成本，進(jìn)而實(shí)現(xiàn)工程施工的結(jié)構(gòu)或成本最優(yōu)。對(duì)內(nèi)支撐截面進(jìn)行優(yōu)化時(shí)通常涉及到多個(gè)設(shè)計(jì)變量，如截面的高度、寬度、厚度等，以及多個(gè)不同約束條件，如承載能力、撓度等，常規(guī)的優(yōu)化方式多采用人工試算的方式進(jìn)行，但是存在計(jì)算局限性過大、誤差較大而且效率低的缺陷，因此出現(xiàn)了采用遺傳算法進(jìn)行截面優(yōu)化的方法，如cn106547987a中公開的方案進(jìn)行優(yōu)化，但是實(shí)際使用中仍然存在算法性能及適應(yīng)性差的問題，導(dǎo)致演算出的結(jié)果與實(shí)際情況差異較大，參考意義不大，而演算結(jié)果對(duì)實(shí)施施工的改進(jìn)方向具有較強(qiáng)的知道意義，因此需要保證演算結(jié)果在特定問題上對(duì)實(shí)際施工提供更優(yōu)的參考。本發(fā)明提供一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，通過對(duì)遺傳算法進(jìn)行改進(jìn)，使其得出的演算結(jié)果更優(yōu)，對(duì)施工改進(jìn)提供正確的指導(dǎo)方向。

2、本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案是：

3、一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，包括以下步驟：

4、s1，建立優(yōu)化模型；模型包括輸入模塊、計(jì)算模塊、優(yōu)化模塊和輸出模塊；輸入模塊用于輸入初始數(shù)據(jù)，計(jì)算模塊用于計(jì)算初始數(shù)據(jù)的適應(yīng)度，優(yōu)化模塊用于優(yōu)化計(jì)算模塊的性能，輸出模塊用于輸出計(jì)算結(jié)果；

5、s2，輸入初始數(shù)據(jù)和計(jì)算參數(shù)；通過輸入模塊將內(nèi)支撐截面參數(shù)的初始數(shù)據(jù)以及計(jì)算參數(shù)輸入進(jìn)行計(jì)算；

6、s3，模型計(jì)算：

7、s31，初始化種群：計(jì)算模塊將初始數(shù)據(jù)隨機(jī)生成初始種群，種群中的每個(gè)個(gè)體為評(píng)價(jià)對(duì)象；s32，計(jì)算個(gè)體適應(yīng)度：通過適應(yīng)度函數(shù)對(duì)每個(gè)個(gè)體進(jìn)行評(píng)價(jià)計(jì)算，得到每個(gè)個(gè)體的適應(yīng)度值；

8、s33，選擇操作：根據(jù)適應(yīng)度值進(jìn)行選擇，適應(yīng)度越高，被選擇的概率越大；

9、s34，交叉操作：對(duì)選中的個(gè)體進(jìn)行交叉操作，生成新的子代個(gè)體；

10、s35，變異操作：對(duì)子代個(gè)體進(jìn)行變異操作，引入新的基因信息；

11、s36，評(píng)估s35中的變異個(gè)體的適應(yīng)度并進(jìn)行選擇；

12、s37，按照s33-s36的操作進(jìn)行迭代，直至滿足終止條件；

13、s4，輸出模塊輸出計(jì)算結(jié)果。

14、進(jìn)一步地，優(yōu)化模塊用于優(yōu)化計(jì)算模塊中的選擇率、交叉率和變異率，優(yōu)化模塊進(jìn)行訓(xùn)練并優(yōu)化計(jì)算模塊的操作如下：

15、s11，隨機(jī)生成一組候選解作為初始種群，每個(gè)解包含計(jì)算模塊的選擇率、交叉率和變異率的參數(shù)；

16、s12，在計(jì)算模塊中通過適應(yīng)度函數(shù)對(duì)每個(gè)解進(jìn)行評(píng)估，得到每個(gè)解的適應(yīng)度值；

17、s13，將種群中的解及其對(duì)應(yīng)的適應(yīng)度值作為訓(xùn)練數(shù)據(jù)，輸入到優(yōu)化模塊中對(duì)優(yōu)化模塊進(jìn)行訓(xùn)練，訓(xùn)練優(yōu)化模塊對(duì)解及其適應(yīng)度值之間的映射關(guān)系；

18、s14，使用初步訓(xùn)練好的優(yōu)化模塊來預(yù)測種群中每個(gè)解的適應(yīng)度值，優(yōu)化模塊根據(jù)預(yù)測結(jié)果自動(dòng)調(diào)整輸入計(jì)算模塊的選擇率、交叉率和變異率；

19、s15，初始數(shù)據(jù)輸入后，優(yōu)化模塊自適應(yīng)生成選擇率、交叉率和變異率并輸入計(jì)算模塊中。

20、進(jìn)一步地，計(jì)算參數(shù)包括約束條件、種群大小、迭代次數(shù)、選擇率、變異率和交叉率，種群大小和迭代次數(shù)通過手動(dòng)設(shè)置，選擇率、變異率和交叉率通過優(yōu)化模塊進(jìn)行自適應(yīng)生成。

21、進(jìn)一步地，步驟s2中，初始數(shù)據(jù)輸入后，分為兩路分別進(jìn)入計(jì)算模塊和優(yōu)化模塊，初始數(shù)據(jù)進(jìn)入優(yōu)化模塊后，優(yōu)化模塊根據(jù)初始數(shù)據(jù)自適應(yīng)生成選擇率、變異率和交叉率，并將選擇率、變異率和交叉率輸入到計(jì)算模塊中，然后計(jì)算模塊通過上述選擇率、變異率和交叉率對(duì)進(jìn)入的初始數(shù)據(jù)進(jìn)行計(jì)算。

22、進(jìn)一步地，內(nèi)支撐結(jié)構(gòu)的截面參數(shù)在滿足約束條件的前提下，經(jīng)過模型計(jì)算具有最優(yōu)的重量或成本，約束條件包括強(qiáng)度約束、剛度約束和穩(wěn)定性約束；

23、強(qiáng)度約束的要求如下：

24、σmax≤fy

25、式中，σmax代表相關(guān)構(gòu)件截面極限應(yīng)力值，抗拉、抗壓設(shè)計(jì)值為fy＝315mpa；

26、剛度約束的要求如下：

27、λmax≤[λ]

28、式中，λmax為不同構(gòu)件的最大長細(xì)比，[λ]為許用長細(xì)比；

29、穩(wěn)定性約束的要求如下：

30、壓彎構(gòu)件平面內(nèi)整體穩(wěn)定要求：

31、

32、式中，其中mx為壓彎構(gòu)件中最大彎矩；w1x為毛截面抵抗矩；γx為截面塑性發(fā)展系數(shù)，為x軸向上的截面系數(shù)；nex為標(biāo)準(zhǔn)軸力參數(shù)；n為軸力；a為截面積，βx為彎矩折減系數(shù)；其中采用perry公式計(jì)算：

33、

34、式中，α為系數(shù)；

35、壓彎構(gòu)件平面外整體穩(wěn)定要求：

36、

37、式中，為均勻彎矩作用時(shí)構(gòu)件的整體穩(wěn)定系數(shù)，為y軸向上的截面系數(shù)，其中雙軸對(duì)稱式型鋼：

38、

39、式中，為y方向上的長細(xì)比；

40、局部穩(wěn)定要求：

41、

42、式中，b1為翼緣寬度，t3為腹板厚度，t1為翼緣厚度；

43、撓度約束要求：

44、

45、式中，l代表跨度，max代表結(jié)構(gòu)最大撓度；

46、圍檁位移約束：

47、umax≤30mm

48、式中，max代表結(jié)構(gòu)最大位移。

49、進(jìn)一步地，步驟s2中的初始數(shù)據(jù)及s36中的計(jì)算數(shù)據(jù)進(jìn)入優(yōu)化模塊時(shí)均進(jìn)行數(shù)據(jù)歸一，形成標(biāo)準(zhǔn)數(shù)據(jù)。

50、進(jìn)一步地，優(yōu)化模塊為神經(jīng)網(wǎng)絡(luò)模塊。

51、本發(fā)明有益效果如下：

52、使用遺傳算法對(duì)內(nèi)支撐截面數(shù)據(jù)進(jìn)行多次迭代優(yōu)化，得到最有的截面形狀和尺寸組合，使得結(jié)構(gòu)在滿足約束條件的情況下具有最小的重量或成本，并通過基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化模塊對(duì)算法的計(jì)算參數(shù)進(jìn)行自適應(yīng)調(diào)整，使得遺傳算法的邏輯更貼合實(shí)際情況，提高遺傳算法的效率和準(zhǔn)確性，進(jìn)而使得計(jì)算結(jié)構(gòu)更優(yōu)。

技術(shù)特征：

1.一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，其特征是，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，其特征是：優(yōu)化模塊用于優(yōu)化計(jì)算模塊中的選擇率、交叉率和變異率，優(yōu)化模塊進(jìn)行訓(xùn)練并優(yōu)化計(jì)算模塊的操作如下：

3.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，其特征是：計(jì)算參數(shù)包括約束條件、種群大小、迭代次數(shù)、選擇率、變異率和交叉率，種群大小和迭代次數(shù)通過手動(dòng)設(shè)置，選擇率、變異率和交叉率通過優(yōu)化模塊進(jìn)行自適應(yīng)生成。

4.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，其特征是：步驟s2中，初始數(shù)據(jù)輸入后，分為兩路分別進(jìn)入計(jì)算模塊和優(yōu)化模塊，初始數(shù)據(jù)進(jìn)入優(yōu)化模塊后，優(yōu)化模塊根據(jù)初始數(shù)據(jù)自適應(yīng)生成選擇率、變異率和交叉率，并將選擇率、變異率和交叉率輸入到計(jì)算模塊中，然后計(jì)算模塊通過上述選擇率、變異率和交叉率對(duì)進(jìn)入的初始數(shù)據(jù)進(jìn)行計(jì)算。

5.根據(jù)權(quán)利要求3所述的一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，其特征是：內(nèi)支撐結(jié)構(gòu)的截面參數(shù)在滿足約束條件的前提下，經(jīng)過模型計(jì)算具有最優(yōu)的重量或成本，約束條件包括強(qiáng)度約束、剛度約束和穩(wěn)定性約束；

6.根據(jù)權(quán)利要求5所述的一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，其特征是：步驟s2中的初始數(shù)據(jù)及s36中的計(jì)算數(shù)據(jù)進(jìn)入優(yōu)化模塊時(shí)均進(jìn)行數(shù)據(jù)歸一，形成標(biāo)準(zhǔn)數(shù)據(jù)。

7.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，其特征是：優(yōu)化模塊為神經(jīng)網(wǎng)絡(luò)模塊。

技術(shù)總結(jié)
本發(fā)明公開了一種基于遺傳算法的基坑內(nèi)支撐截面優(yōu)化方法，通過個(gè)體的染色體表示內(nèi)支撐截面的形狀和尺寸，通過適應(yīng)度函數(shù)評(píng)估個(gè)體的優(yōu)劣程度，并利用選擇、交叉和變異的操作進(jìn)行優(yōu)化搜索；在每一代中，根據(jù)適應(yīng)度函數(shù)對(duì)個(gè)體進(jìn)行選擇，然后進(jìn)行交叉和變異操作，產(chǎn)生新的個(gè)體，并通過不斷迭代優(yōu)化，找到最優(yōu)的截面形狀和尺寸組合，使得結(jié)構(gòu)在滿足約束條件的前提下具有最小的重量或成本。本發(fā)明通過遺傳算法和基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化模塊對(duì)算法的計(jì)算參數(shù)進(jìn)行自適應(yīng)調(diào)整，使得遺傳算法的邏輯更貼合實(shí)際情況，提高遺傳算法的效率和準(zhǔn)確性，進(jìn)而使得計(jì)算結(jié)構(gòu)更優(yōu)。

技術(shù)研發(fā)人員：楊萌,韓友強(qiáng),趙華穎,陳浩,李鵬飛,秦勝旺,杜全喆
受保護(hù)的技術(shù)使用者：中建二局第三建筑工程有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26