需要金幣： 1000 個(gè)金幣 |
資料包括：完整論文，開題報(bào)告 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字?jǐn)?shù)：19830 |  | |
| 折扣與優(yōu)惠：團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：遺傳算法的本質(zhì)意義是基于模仿生物界遺傳學(xué)過程的一種生物行為．遺傳算法的過程是把相關(guān)系統(tǒng)的所對(duì)應(yīng)的變量拿基因座表示，把系統(tǒng)對(duì)應(yīng)的變量的解用染色體即(個(gè)體)代表（一般在科學(xué)計(jì)算機(jī)里拿二進(jìn)制編碼表示），從而得到一組由不同的個(gè)體（具有不同染色體）組成的種群，這些種群在系統(tǒng)特定的約束條件下進(jìn)行生存選擇競(jìng)爭(zhēng)遺傳變異等活動(dòng)，適應(yīng)度較好的個(gè)體有較大的概率去生存選擇環(huán)境和產(chǎn)生遺傳給后代．下一代隨機(jī)化地繼承了上一代最優(yōu)良的基因特性，并也在生存環(huán)境的控制下繼續(xù)這一過程．種群中的每個(gè)個(gè)體都逐漸的開始適應(yīng)環(huán)境，不斷地選擇進(jìn)化繁衍，不停的重復(fù)，最后收斂到一群在各個(gè)方面都相當(dāng)優(yōu)良的種群，即得到了系統(tǒng)對(duì)應(yīng)的最優(yōu)的變量的解．值得提及的一處即是，當(dāng)今所研究的遺傳算法是是起源于深受生物進(jìn)化論思想，這種學(xué)說同樣也很適合用科學(xué)計(jì)算機(jī)通過一定的學(xué)說支持去解決復(fù)雜的人工比較復(fù)雜的問題，而遺傳算法在結(jié)構(gòu)優(yōu)化中的工程等的應(yīng)用也相當(dāng)常見，主要有各種模型通過系統(tǒng)的相關(guān)變量（尺寸變量、形狀變量、拓?fù)渥兞?、材料種類、）、各種模型的約束條件（強(qiáng)度、剛度、穩(wěn)定性、頻率等）及各種模型的單元（桿、梁、板、殼、膜、二維元及三維實(shí)體元等）的各種線性及非線性的組合結(jié)構(gòu)的形成的、靜力、動(dòng)力或控制結(jié)構(gòu)優(yōu)化問題等。 關(guān)鍵字：遺傳算法 ; 結(jié)構(gòu)優(yōu)化 ; 基因 ; 最優(yōu)解
目錄 摘要 ABSTRACT 引言-1 1 .1研究模塊-2 1.1.1有限元-2 1.1.2遺傳算法-2 1.1.3 結(jié)構(gòu)優(yōu)化-2 1.2模塊知識(shí)現(xiàn)狀-3 1.2.1現(xiàn)階段主要的優(yōu)化方法：-3 1.2.2優(yōu)化發(fā)展應(yīng)用現(xiàn)狀：-4 1.3 有限元建模-4 1.3.1 基本概念-4 1.3.2 有限元建模準(zhǔn)則-5 1.4遺傳算法的研究現(xiàn)狀-6 1.4.1對(duì)遺傳算法發(fā)展趨勢(shì)的幾點(diǎn)認(rèn)識(shí)-7 2.遺傳算法-8 2.1 遺傳算法原理和步驟：-8 2.2各步驟詳解-9 2.2.1編碼-9 2.2.2初始種群的生成：-9 2.2.3適應(yīng)度函數(shù)-9 2.2.4 個(gè)體選擇-10 2.2.5 染色體交叉-11 2.2.6 染色體變異-12 2.3 遺傳算法相關(guān)參數(shù)介紹-13 2.4 遺傳算法的特點(diǎn) -13 3.有限元模型的確立和matlab-15 3.1有限元模型的確立-15 3.2優(yōu)化的類型-16 3.3三桿桁架結(jié)構(gòu)-16 3.4 MATLAB語言-17 3.4.1 MATLAB的工作界面-19 3.4.2 GA工具箱介紹-20 3.4.3 GA程序的實(shí)現(xiàn)-21 4 .三桿桁架結(jié)構(gòu)的遺傳算法優(yōu)化-23 4.1各步驟詳解：-23 4.2 結(jié)果分析：-24 總結(jié)-27 致謝-28 參考文獻(xiàn)-29 |
