改进布谷鸟算法在结构可靠性分析中的应用
2015-06-01冯蕴雯薛小锋
系统工程与电子技术 2015年4期
秦 强,冯蕴雯,薛小锋
(西北工业大学航空学院,陕西西安710072)
改进布谷鸟算法在结构可靠性分析中的应用
秦 强,冯蕴雯,薛小锋
(西北工业大学航空学院,陕西西安710072)
在计算过程中,标准布谷鸟算法(cuckoo search algorithm,CS)中的参数是保持不变的,这影响了该算法的收敛性和计算精度。为了克服这一缺陷,首先探讨了标准CS中飞行步长和淘汰概率两个关键参数的变化规律对该算法全局搜索与局部搜索能力的影响,然后对这两个参数进行了自适应改进,同时,提出了一个具有全局最优导向的搜索方程以进一步提高CS的局部搜索能力和收敛速度。利用改进后的CS与人工神经网络响应面法相结合进行结构可靠性分析。算例分析说明,与标准CS以及粒子群算法和遗传算法相比,所提出的改进CS在进行结构可靠性分析中,能够有效地减少计算时间并提高解的精度。
改进布谷鸟算法;人工神经网络;响应面法;结构可靠性
0 引 言
在结构可靠性分析中,常采用Monte-Carlo法、一次二阶矩法、二次二阶矩法等方法计算结构失效概率。其中,Monte-Carlo法需要足够多的模拟次数才能得到结构的失效概率,因此该方法效率较低;而一次二阶矩法和二次二阶矩法都需要求解结构极限状态方程对随机变量的偏导数,且对于非线性程度较高或有多个局部最小值的极限状态方程,这两种方法可能导致错误的结果[1]。由于智能优化算法,如遗传算法(genetic algorithm,GA)和粒子群优化算法(particle swarm optimization,PSO)等在求解结构可靠度指标时,不需要求解结构极限状态方程对输入变量的偏导数,并且有全局寻优的特点而被应用到结构可靠性分析中[1-3]。……
登录APP查看全文
