【技术实现步骤摘要】
本专利技术属于建筑结构设计
，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。
技术介绍
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，本专利技术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
技术实现思路
基于上述现状，本专利技术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，本专利技术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，本专利技术采取如下技术方案：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...
【技术保护点】
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。
【技术特征摘要】
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 = ...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。