(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210671997.8 (22)申请日 2022.06.14 (71)申请人 浙江东南网架股份有限公司 地址 311209 浙江省杭州市萧 山区衙前镇 工业园区 申请人 云南大学　浙江大学 (72)发明人 王宪杰　王兆毅　周观根　赵阳　 白宇翔　张帆　 (74)专利代理 机构 杭州融方专利代理事务所 (普通合伙) 33266 专利代理师 沈相权 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 119/02(2020.01) (54)发明名称 基于AVOGA算法的空间结构多平台协同优化 软件开发 (57)摘要 本发明涉及一种基于AVOGA算法的空间结构 多平台协同优化软件开发， 所属空间结构优化设 计技术领域， 包括如下操作步骤： 第一步， 改进遗 传算法并形成AVOGA算法， 引入罚函数来将有约 束问题从显式转为隐式， 旨在实现将约束问题融 入到自适应度函数中， 实现算法性能的提升与节 约计算成本； 第二步， ABAQUS部分计算； 第三步， MATLAB部分计算； 第四步， MATLAB自动调用 ABAQUS的优化设计。 具有计算效率高、 程序简单 和操作准确性好的特点。 通过主程序的多参数统 一赋值， 有效地提高了计算效率， 节约了计算时 间， 提高了计算结果精度。 实现了有限元软件自 动计算与计算结果后处理， 避免了繁杂的人工手 动操作。 权利要求书3页 说明书8页 附图1页 CN 115098911 A 2022.09.23 CN 115098911 A 1.一种基于AVOGA算法的空间结构多平台协同优化软件开发， 其特征在于包括如下操 作步骤： 第一步， 改进遗传算法并形成AVOGA算法； 引入罚函数来将有约束问题从显式转为隐 式， 旨在实现将约束问题融入到自适应度函数中， 实现算法性能的提升与节约计算成本， 以 应力约束为例， 优化问题中有： σi≤[σa]， 式中， σ i为结构应力， [σ a]为 最大允许应力。 可将约束函数gi(X)定义 为： 可将惩罚系数C 定义为： 如果gi(X)＞0 Ci＝gi(X)； 如果gi(X)≤0 Ci＝0， 而 将自适应函数进行如下式的处 理： 式中ψ(X)为自适应度函数， f(X)为目标函数， C为惩戒系数， K设置为正常数， 大小根据 求解问题具体取值。 如此一来， 就可将有约束问题融入到无约束的目标函数中， 可见， 若设 计变量均满足约束条件， 则C＝0， 推出 ψ(X)＝f(X)。 若设计变量不满足约束条件， K、 C均为正 常数， 则必有 ψ(X)＞f(X)， 如若目标函数为最小化函数， 通过对自适应度函数的的处理， 变 可将约束 条件融入其中， 免去了约束 条件的判别， 加快了求解进度与收敛速度， 兼顾计算效 率与成本； 第二步， ABAQUS部分计算 步骤如下： 1、 3D3S部分主要是利用参数化建模， 准确得到计算模型， 转化为inp文件， 便于后续优 化计算； 2、 导入来自参数化建模软件的i np文件， 得到优化对象的有限元模型； 3、 读取MATLAB计算程序中设计变量组合， 赋值给有限元软件中的前处理模块(如杆件 截面)以改变结构模型； 4、 根据具体 计算工况施加荷载与边界条件； 5、 提交inp文件， 对 模型进行有限元分析计算； 第三步， MATLAB部分计算 步骤为： 1、 定义GA算法遗传参数， 如选择概 率、 变异概 率、 交叉概 率； 2、 定义根据优化模型的约束条件限值， 作为判定约束是否满足的条件； 3、 对离散变量可 行解进行二进制编码； 4、 将二进制码转化为十进制码， 赋值到有限元inp文件中， 二进制编码进行以下的遗传 操作； 5、 将有限元软件计算结果进行约束条件判别， 进而得出了 融合约束条件判别的自适应 函数； 6、 将自适应函数进行变式得到优良度函数， 基于此进行选择操作；权　利　要　求　书 1/3 页 2 CN 115098911 A 27、 基于改进策略进行选择、 交叉、 变异操作， 得到自适应度高的母体； 8、 基于双向终止判别条件进行终止计算； 第四步， MATLAB自动调用ABAQUS的优化设计方法， 包括以下步骤： 1、 利用MATLAB创建计算文件， 即是主程序， 设定结构相关联的初始参数； 2、 采用3D3S进行参数化建模； 3、 创建inp文件， 将初始模型参数 赋值到该文件的对应位置中； 4、 在不打开有限元软件的交互界面的情况下， 利用主程序运行py文件， 使得ABAQUS在 后台自动运行； 5、 ABAQUS读取i np文件， 并实现有限元 结构模型的建立、 分析、 计算； 6、 计算完成后， ABAQUS输出ODB文件， 并把计算结果写入ODB文件； 7、 MATLAB调用Python打开并读取ODB文件， 在主程序中对计算结果进行判别， 看起是否 满足给定的约束判别条件； 8、 输出优化结果。 2.根据权利要求1所述的基于AVOGA算法的空间结构多平台协同优化软件开发， 其特征 在于： 为了更好对优化后子代个体进 行优良性评价， 避免概率性的评价 失效， 采用了基于自 适应变式 的优良度函数ui作为优劣性评价指标： 式中， ψi(X)是 第i(i＝1， 2， ..， n)个母体Vi所对应的自适应度函数值， ψ(X)max和 ψ(X)min分别表示V1， V2， ...， Vn个母体所对应的自适应度函数的最大值和最小值。 3.根据权利要求2所述的基于AVOGA算法的空间结构多平台协同优化软件开发， 其特征 在于： 引入的个体优良度的策略， 采用基于个体优良度排序的最优保存策略实现父代个体 的最优选择， 将优良度高的父代个 体保留， 将优良度低的父代个 体删除。 4.根据权利要求3所述的基于AVOGA算法的空间结构多平台协同优化软件开发， 其特征 在于： 依据个体的自适应度得到个体对应的优良度， 基于优良度数值， 将父代个体由高到低 进行排序， 引入选择概率Ps， 若种群中父代个体有n个， 则有Ps ×n个优良度较低的个体会被 剔除， 为了保证种群的丰富度， 保留足够的样本容量， 使优化速度得到提高， 可容许优良度 高的个体可重复出现， 代替被剔除了的优良度低的个 体。 5.根据权利要求2所述的基于AVOGA算法的空间结构多平台协同优化软件开发， 其特征 在于： 交叉概率Pc和 变异概率Pm根据优化迭代过程中的种群情况及适应度大小， 自适应调 整大小； 当个体自适应度相差不大或逼近一致时， 使 得Pc和Pm增大， 这可以判断该优化算法 是否收敛到最优结果， 如果取到最优解， 则该个体自适应度不会变化， 如果达不到着会继续 迭代循环 直到收敛； 若个体的自适应度分布均匀， 则可以降低Pc和Pm， 使 得种群保留相当的 丰富性， 进而更快找到最优解； 若单个个体的自适应度小于该迭代次数中的所有个体 自适 应的平均值， 说明该个体的优良度较差， 需要将该个体进行剔除， 则可赋予较大的Pc和Pm， 保证算法寻优方向； 若单个个体的自适应度大于该迭代次数中的所有个体自适应的平均 值， 说明该个 体的优良度较好， 需要将该个 体进行保存， 则可 赋予较小的Pc和Pm； Pc和Pm计算表达式为：权　利　要　求　书 2/3 页 3 CN 115098911 A 3