基于改进粒子群算法的框-剪结构墙体布局优化方法技术

本发明专利技术提出了一种基于改进粒子群算法的框‑剪结构墙体布局优化方法，提出基于种群多样性的自适应变异策略和全过程动态调整因子，对标准粒子群算法进行了改进。本发明专利技术所采用的的技术方案为：对剪力墙在结构中的位置、尺寸进行分级编码，将规范中的各项性能指标限值作为约束条件，以考虑剪力墙底部拉应力加权后的混凝土用量为目标函数，采用改进的粒子群算法实现对剪力墙布局进行优化。本发明专利技术的有益效果在于：采用改进的粒子群优化算法后，可以对大量个体进行高效率的启发式搜索，大大提升剪力墙布局问题的分析效率，墙体材料用量比传统的手工布墙方式明显降低，优化结果可直接指导工程设计。

【技术实现步骤摘要】
基于改进粒子群算法的框-剪结构墙体布局优化方法
本专利技术属于框-剪结构墙体设计
，尤其涉及一种基于改进粒子群算法的框-剪结构墙体布局优化方法。
技术介绍
钢筋混凝土框-剪结构、框-筒结构为我国高层建筑的主要结构形式之一，应用广泛。当框-筒结构高度超过60m时，设置在中间交通核周边的剪力墙会呈现核心筒的受力特点，因此可以将框-筒结构看成一种特殊的框-剪结构，因此将上述两种结构统称为框-剪结构。由于框-剪结构中剪力墙为抗侧力的首道防线，剪力墙的布局对结构抗侧力性能有直接的影响。因此，剪力墙布局优化是确定框-剪结构方案阶段的关键步骤。现有技术中，由于框-剪结构中墙肢有单片墙、连肢墙、L形、T形、十字形、筒体等多种布局方式，导致单片墙的位置、长度与结构抗侧刚度之间为高度非线性关系。剪力墙布局优化问题的可行解数量随着墙肢数量、位置、长度的增加呈指数增长，而传统设计方法中对于剪力墙布局的优化主要依靠概念设计和手工调整，导致工作效率低下，剪力墙布局因人而异，经济性难以保证，造成大量不必要的浪费。因此，针对剪力墙布局优化问题的特点，研发本文档来自技高网...

【技术保护点】
1.一种基于改进粒子群算法的框-剪结构墙体布局优化方法，其特征在于，包括以下步骤：/n步骤1：设计变量向量：构建框-剪结构模型，之后确定剪力墙的布墙基点，并对基点的位置坐标、剪力墙的方向、各个方向的墙肢长度进行参数化构建；/n步骤2：基于两级编码法，设计各个基点的位置坐标的一级编码、各个方向的墙肢长度的二级编码；/n步骤3：设计墙肢长度的约束条件，之后基于步骤2中的两级编码法，按照步骤2中二级编码的顺序，构建上限值向量，使墙肢长度的上限值与步骤2中的二级编码一一对应；/n步骤4：改进粒子群优化算法；/n步骤5：将步骤2中的二级编码输入步骤4中改进后的粒子群算法中，通过迭代以获取能够满足步骤3中...

【技术特征摘要】
1.一种基于改进粒子群算法的框-剪结构墙体布局优化方法，其特征在于，包括以下步骤：
步骤1：设计变量向量：构建框-剪结构模型，之后确定剪力墙的布墙基点，并对基点的位置坐标、剪力墙的方向、各个方向的墙肢长度进行参数化构建；
步骤2：基于两级编码法，设计各个基点的位置坐标的一级编码、各个方向的墙肢长度的二级编码；
步骤3：设计墙肢长度的约束条件，之后基于步骤2中的两级编码法，按照步骤2中二级编码的顺序，构建上限值向量，使墙肢长度的上限值与步骤2中的二级编码一一对应；
步骤4：改进粒子群优化算法；
步骤5：将步骤2中的二级编码输入步骤4中改进后的粒子群算法中，通过迭代以获取能够满足步骤3中约束条件且令步骤4中的适应度函数值不断优化的墙肢长度向量。


2.根据权利要求1所述的基于改进粒子群算法的框-剪结构墙体布局优化方法，其特征在于，步骤2具体包括：
步骤21：基于两级浮点数编码法，依次构建一级编码W、与一级编码W中的基点对应设置的二级编码X、与二级编码X一一对应的定向向量Pd、方向数目向量Pn；
其中，一级编码W中包含按设定顺序排列的可设置剪力墙的各基点的坐标向量；二级编码X由呈列排布的剪力墙信息向量Si组成；Si为各个方向对应的墙肢长度；
步骤22：基于定向向量Pd将二级编码X中无法布墙的无效编码去除；
步骤23：基于方向数目向量Pn将优化后的二级编码X解码为若干个分块处理后的剪力墙信息向量Si。


3.根据权利要求1所述的基于改进粒子群算法的框-剪结构墙体布局优化方法，其特征在于，步骤3中的约束条件为：
XL＝(xj1,lim,xj2,lim,…,xjd,lim,…,xjD,lim)T；
式中，xjd,lim为长度限值；j为个体编号；d为维度值；lim表示限值。


4.根据权利要求1所述的基于改进粒子群算法的框-剪结构墙体布局优化方法，其特征在于，步骤4中粒子群算法的改进包括惯性权重因子的设计、学习因子的设计、适应度函数的选择和变异策略的设计。


5.根据权利要求4所述的基于改进粒子群算法的框-剪结构墙体布局优化方法，其特征在于，惯性权重因子ω、学习因子c1、c2的模型分别为：









式中，Tmax为设定的最大的迭代次数；T为迭代次数；
ω(T)是随着迭代次数T而动态改变的惯性权重因子；
ωstart为设定的惯性权重因子的初始值，ωend设定的迭代结束的惯性权重因子最终值；
k1、k2分别为调节因子；
c1、c2是随着迭代...

【专利技术属性】
技术研发人员：韩重庆，丁国强，王国承，
申请(专利权)人：东南大学建筑设计研究院有限公司，
类型：发明
国别省市：江苏;32