一、计算结构可靠指标的子域抽样法（论文文献综述）
程立翔[1]（2020）在《鳞虾群算法的改进及其在结构可靠性分析中的应用》文中研究表明鳞虾群算法（Krill herd algorithm,KH）是一种基于群体智能的新型元启发算法,其主要受南极鳞虾群觅食行为启发,由gandomi于2012年首次提出。鳞虾群算法因其强大的局部开发能力,所需调整参数较少,易于实现而成为研究的热点。虽然在一些优化问题上KH比其他元启发算法有更好的寻优表现,但依然存在一些缺点,例如缺少一个选择初始磷虾群分布的优化策略、探索和开发能力间的平衡不足、全局收敛速度较慢等缺点。本文在理解鳞虾群算法基本思想,各参数意义及实现过程基础上,提出了2个改进版本的鳞虾群算法,分别是目标指向型鳞虾群算法（Target oriented krill herd algorithm,TOKH）和合作竞争鳞虾群算法（Cooperative competitive krill herd algorithm,CCKH）,并深入研究了它们在结构可靠度的应用。在鳞虾群算法研究方面:针对鳞虾群算法全局收敛速度较慢缺点,本文提出了合作竞争鳞虾群算法（CCKH）。合作是在磷虾群运动计算前让最优磷虾和“虚拟食物”交叉以产生一个较好的候选解;竞争是在最优磷虾和“虚拟食物”间选择较好的一个策略来指引磷虾群运动。最后,基于李维飞行策略的寻优效率高于随机物理扩散,因此将李维飞行寻优策略替代随机扩散,进一步加快算法的全局收敛。针对鳞虾群全局探索和局部开发能力不均衡,以及鳞虾群初始分布未得到充分利用问题,本文提出了目标指向磷虾群算法（TOKH）。该算法首先修改了鳞虾群的初始分布,加大了对最优鳞虾和“虚拟食物”周围鳞虾分布的密度,其次交叉最优鳞虾和“虚拟食物”的位置以产生新的候选方案。蒙特卡洛模拟结果显示,TOKH较好地平衡全局探索和局部开发,提高了KH全局寻优能力。在工程应用研究方面:将改进后的目标指向型鳞虾群算法和合作竞争鳞虾群算法与结构可靠度的一次二阶矩法结合,通过添加一种罚函数,将约束优化问题转换到一般求解最优问题,从而求解出Hasofer-Lind可靠指标。三个算例的数值结果表明,应用目标指向型鳞虾群算法和合作竞争鳞虾群算法不仅可以在较高的精度下求解出结构失效概率,而且可以直接求解出结构失效点。同时,与蒙特卡洛模拟相比,TOKH和CCKH求解可靠指标所需的时间也大大减少,求解效率大大提高。本文对鳞虾群算法的改进措施,提高了鳞虾群算法的全局寻优性能,加快了算法的收敛速度,并为求解结构可靠度问题提供了新的方法和思路。在工程中,具有较好的实用性。
王敏容[2]（2019）在《基于区间模型的非概率结构可靠性分析及优化设计》文中指出不确定性理论分析和算法研究一直是工程界关注的热点,可靠性是处理不确定性的有效途径之一。本文通过区间模型上下界来描述不确定参数,建立非概率可靠性分析模型,在非概率可靠性分析、非概率可靠性优化设计、RC桥梁非概率可靠性分析及加固优化设计进行了深入的理论、算法和工程应用研究,主要内容包括:（1）研究了区间模型的非概率可靠性理论和算法。根据非概率可靠性指标的几何意义,线性功能函数的设计点位于超立方盒的角点,非线性功能函数的设计点位于超立方盒与失效面的切点。据此,线性功能函数,通过区间变量的梯度向量正负来判断设计点位于超立方盒的某一角点的位置,提出了非概率可靠性指标求解的改进一维优化算法;非线性功能函数,提出了子区间优化法和子区间目标性能法。比较分析了非概率可靠性模型和概率可靠性模型,揭示了非概率可靠性指标与概率可靠性指标之间的关系。对比分析了非概率可靠性和与非概率安全系数法,研究表明了两者度量方法的一致性。（2）研究了应力-强度干涉模型的非概率可靠性理论和算法。基于区间可能度的几何意义,非概率集合可靠度表示为结构安全域体积与基本区间变量域的总体积之比。建立了线性功能函数的非概率集合可靠度的表达式;非线性程度不高的功能函数,采用失效面与基本区域交点处线性近似的方法对失效面等效,建立了非概率集合可靠度的计算表达式;对复杂的非线性功能函数,提出了子集子区间法,在子域内抽样,更多的样本点落入失效域,且抽样点均匀分布。分析了非概率集合可靠度的概率度量,证明了非概率集合可靠度在概率意义上是应力和强度在区间内均匀分布的概率可靠度。对比分析了非概率集合可靠度和正态分布区间数、区间截尾分布的可靠度,研究表明非概率集合可靠度更保守。（3）研究了非概率可靠性和非概率可靠度优化设计。根据非概率可靠性指标的几何意义,将非概率可靠性指标约束转化为最小化功能函数值约束,提出了基于子区间的目标性能法,内层优化将非概率可靠性指标的求解转换为寻找所有功能函数最小值,该方法避免了内层非概率可靠性指标求解的双层嵌套优化,迭代次数少,计算效率高。基于非概率可靠性指标的子区间优化法,提出了基于子区间优化法的双层优化设计,内层直接求解非概率可靠性指标,该方法先判断出主动约束,内层只考虑主动约束的非概率可靠性指标,减少了约束条件。线性功能函数非概率可靠性优化是一个单层优化问题,满足非概率可靠性指标约束的不确定参数设计点位于超立方盒的角点,单层非概率可靠性优化模型和不确定参数之间的表达式清晰,计算量小。线性功能函数的非概率集合可靠度是不确定参数的显性函数,引入罚函数将约束优化转化为无约束优化,外层优化设计采用改进粒子群算法得到全局最优解,收敛速度快。基于区间可能度,针对非线性功能函数的非概率集合可靠度,提出了内层采用子区间分析法,外层采用改进粒子群算法的双层优化方法。（4）研究了非概率可靠性分析及优化设计在RC桥梁可靠性评估及加固中的应用。以增大截面法加固钢筋混凝土轴心受压柱为研究对象,对比分析了概率可靠性和非概率可靠性。研究表明:恒载、活载和抗力采用不同的分布类型,在μ和σ相同的情况下,不确定性参数区间[μ-3σ,μ+3σ]内,区间非概率可靠性均比概率可靠性保守,若非概率可靠性评估安全的桥梁构件,概率可靠性评估也安全。根据概率可靠性和非概率可靠性的关系,拟定了桥梁承载能力评估目标非概率可靠性指标和目标非概率可靠度。在目标非概率可靠性指标和目标非概率可靠度优化结果下的钢筋混凝土轴压柱,概率可靠性均满足要求,即满足非概率目标可靠性的轴心受压柱,概率可靠性均满足要求。
李明,吴波[3]（2019）在《基于截尾概率分布的基坑突涌模糊可靠度分析》文中研究指明岩土工程可靠度分析中,计算参数具有随机性,稳定性评价具有模糊性。传统的Monte Carlo模拟方法计算可靠度时,往往假定参数概率分布在正负无穷之间分布,与真实情况不符,而且其计算效率也往往较低。规范推荐的基坑突涌验算公式,计算结果往往偏于保守。引入截尾概率分布的确定方法,对参数概率分布进行截尾处理;提出拉丁超立方抽样与最大熵原理结合来确定结构响应概率分布的方法,并将其与模糊可靠度原理结合,构建了基于抽样模拟的模糊可靠度计算模型;推荐了考虑土体抗剪强度的突涌验算公式。将所提方法应用于某深基坑工程突涌分析中,其结果表明,基于截尾分布的抽样可以有效避免参数抽样值为负数的情况,所提计算模型效率明显优于传统的Monte Carlo模拟方法,模糊可靠度的计算结果比经典可靠度更符合工程实际情况。
白海霞[4]（2015）在《结构可靠度分析的一种改进蚁群算法》文中认为基本蚁群算法存在过早收敛、容易陷入局部最优解等问题。引入信息熵H,通过控制信息熵的值来改进参数τ,从而对基本蚁群算法进行改进,并使用改进后的蚁群算法来求解可靠指标,对结构体系进行更为准确的结构可靠度研究,以提高结构可靠度的计算效率与计算精度。将改进的蚁群算法应用于10杆桁架结构,应用结果证明该研究方法具有很强的适用性和有效性,为研究大型复杂结构的可靠性问题提供了一种新的方法。
杨跃[5]（2014）在《Kriging技术在结构可靠度分析中的应用研究》文中研究指明针对隐式极限状态方程且非线性程度较高时,响应面法求解可靠指标的误差大,而采用Monte Carlo抽样包括重要抽样方法,虽然精度高但计算效率低,对于结构有A限元分析进行抽样几乎不能实现的状况。本文提出采用Kriging插值技术建立极限状态超曲面的代理模型,在验算点处应用Monte Carlo重要抽样方法对代理模型抽样进而求得结构的失效概率。结果表明:方法在隐式极限状态方程且非线性程度较高时精度良好,同时较Monte Carlo抽样或重要抽样效率高。
王敬丽[6]（2014）在《玻璃幕墙风振可靠度对比分析》文中研究表明随着社会的不断发展，我国的城市化水平也在不断的提高。玻璃幕墙是城市的现代化元素，它广泛应用于各种高层建筑，近年来全国玻璃幕墙使用量超过260万平方米，价值近40亿人民币，目前全国每年生产幕墙达650万平方米以上，幕墙工程已形成一新型产业。抗风、抗震是玻璃幕墙设计的主要问题，但与抗震相比，抗风是最主要的，且国内研究较少本文主要对此问题进行了一下的研究：（1）对于蚁群算法进行了简要的分析，并且将混沌理论引入其中对蚁群算法进行改进，实现了蚁群算法的优化。（2）利用蚁群算法的特点，将改进的混沌理论蚁群算法应用于结构可靠度分析之中。首先要通过对蚁群算法的研究得到一些相关信息作为启发式信息，然后再找出最重要的失效路径，寻求结构的最优失效路径并建立数学模型建立起数学模型，进行可靠度指标的计算。将混沌理论运用到蚁群算法的改进中，从而达到精确而快速的分析结构可靠度的目的。（3）运用改进的混沌蚁群算法对3种类型的玻璃幕墙结构进行可靠度等指标进行计算，并对3种幕墙形式得到的结果进行比较，结果表明蚁群算法有着较快的收敛速度和寻优精度，在算法运行初期优化效果比较明显。
恒北北[7]（2013）在《基于改进ACO和PSO算法的结构可靠度分析》文中研究表明工程结构存在大量的不确定性，它直接关系到我们的生产实践和生命财产安全。因此考虑不确定性对安全性的影响在土木工程领域具有重要的现实意义。结构可靠度理论是处理结构不确定性、进行结构性能评估的有力工具。本文总结了国内外结构可靠度的研究现状，在对现有结构可靠度计算方法进行总结分析的基础上，将计算智能算法引入到结构可靠度的计算中，为结构可靠性分析提供一种新的方法，以期能将结构可靠度理论更好的应用于实际工程领域。本文的主要研究内容如下：（1）分别将蚁群算法与粒子群算法进行改进。引入信息熵，实现蚁群算法的自适应调节；设置惯性权重，引入平滑函数，构造阈值函数，实现粒子群算法解决约束优化问题的快速收敛性。（2）利用蚁群算法和粒子群算法的特点，分别将改进的蚁群和粒子群算法应用于结构可靠度分析之中。首先利用蚁群算法的启发式信息，找出结构的关键失效路径，然后利用粒子群算法寻求结构的最优失效路径并建立数学模型，进行结构可靠指标的计算。将两种算法混合，实现优势互补，从而达到精确而快速的分析结构可靠度的目的。（3）进行算例分析，将计算结果与传统计算方法以及其他智能算法进行对比分析，证明本方法在结构可靠度的分析计算中的有效性。结构体系由于构件多，构造复杂，传统的结构可靠度计算方法难以准确寻找失效路径及处理计算过程中的庞大数据。本文针对传统计算方法难以求解以及其他智能算法收敛效率低的情况，提出将改进蚁群与粒子群混合算法应用于结构可靠度分析中，在求解精度和效率上都达到了很好的效果，对于提高我国结构可靠性研究水平具有重要意义。
李彦苍,恒北北,彭双红,程秋月,伴晨光[8]（2012）在《基于改进ACO与PSO算法的结构可靠度分析》文中研究指明针对基本蚁群算法的过早收敛问题,引入信息熵,通过优化参数,对基本蚁群算法进行改进,进而寻找结构的最短失效路径。从可靠指标的几何意义出发,利用罚函数法,将结构可靠指标的求解问题转化成相应的无约束优化问题,采用粒子群算法对结构可靠指标进行求解计算。以十杆桁架为例,采用响应面法、遗传算法与本算法对结构可靠指标进行对比计算,结果表明改进蚁群与粒子群算法的收敛速度快,计算精度高。
杨跃[9]（2012）在《Kriging技术在结构可靠度分析中的应用研究》文中研究表明针对隐式极限状态方程且非线性程度较高时,响应面法求解可靠指标的误差大,而采用Monte Carlo抽样包括重要抽样方法,虽然精度高但计算效率低,对于结构有限元分析进行抽样几乎不能实现的状况。本文提出采用Kriging插值技术建立极限状态超曲面的代理模型,在验算点处应用Monte Carlo重要抽样方法对代理模型抽样进而求得结构的失效概率。结果表明:方法在隐式极限状态方程且非线性程度较高时精度良好,同时较Monte Carlo抽样或重要抽样效率高。
包龙生,祝孝成,于玲[10]（2012）在《基于模拟退火优化算法的在役梁桥可靠性分析》文中进行了进一步梳理目的对在役钢筋混凝土梁桥进行可靠性分析,评价其承载能力和安全度,确保桥梁正常营运.方法针对目前现有可靠度计算方法存在的缺点,提出了一种求解在役钢筋混凝土梁桥结构可靠度指标的优化算法—模拟退火算法.基于可靠度指标的几何涵义,运用模拟退火算法原理,建立可靠指标的优化模型,应用Matlab语言编制程序进行可靠性分析.结果建立在役钢筋混凝土梁桥结构的抗力与荷载模型,结合实例对一座服役30年的钢筋混凝土T型梁桥的可靠指标进行了计算,计算得可靠指标为β=3.915 3,满足规范安全要求.结论计算结果验证了该优化算法可行性和正确性,为在役混凝土梁桥可靠度计算提供一种新的思路.
二、计算结构可靠指标的子域抽样法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、计算结构可靠指标的子域抽样法（论文提纲范文）
（1）鳞虾群算法的改进及其在结构可靠性分析中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 鳞虾群算法研究进展及现状 |
| 1.2.1 鳞虾群算法研究背景 |
| 1.2.2 鳞虾群算法的理论发展 |
| 1.2.3 鳞虾群算法在工程中的应用 |
| 1.3 结构可靠度研究进展及现状 |
| 1.3.1 国外结构可靠度研究的进展 |
| 1.3.2 国内结构可靠度研究的进展 |
| 1.3.3 结构可靠度研究现状 |
| 1.4 本文主要研究内容 |
| 第二章 磷虾群算法及其基本原理 |
| 2.1 引言 |
| 2.2 鳞虾群算法基本原理 |
| 2.3 算法分析 |
| 2.4 鳞虾群算法关键参数分析 |
| 2.4.1 种群数量 |
| 2.4.2 速度控制参数D~(max)、N~(max)、V_f |
| 2.4.3 惯性权重ω_n和ω_f |
| 2.4.4 步长缩放因子C_t |
| 2.4.5 最大迭代次数 |
| 2.5 本章小结 |
| 第三章 鳞虾群算法的改进 |
| 3.1 引言 |
| 3.2 合作竞争的鳞虾群算法(CCKH) |
| 3.2.1 改进策略 |
| 3.2.2 合作竞争鳞虾群算法实现步骤 |
| 3.2.3 一些常用的算法测试函数 |
| 3.2.3.1 单极值函数 |
| 3.2.3.2 多极值函数 |
| 3.2.4 CCKH仿真实验 |
| 3.3 目标指向型鳞虾群算法(TOKH) |
| 3.3.1 改进策略 |
| 3.3.2 目标指向型鳞虾群算法实现步骤 |
| 3.3.3 TOKH仿真实验 |
| 3.3.4 大鳞虾数量对TOKH优化性能影响 |
| 3.4 本章小结 |
| 第四章 基于改进鳞虾群算法的结构可靠度分析 |
| 4.1 结构可靠度基本概念 |
| 4.2 极限状态概念 |
| 4.2.1 承载力极限状态 |
| 4.2.2 正常使用极限状态 |
| 4.2.3 破坏—安全极限状态 |
| 4.3 结构失效概率概述 |
| 4.4 结构可靠指标 |
| 4.5 求解可靠度指标方法 |
| 4.5.1 一次二阶矩法 |
| 4.5.2 蒙特卡洛模拟法 |
| 4.5.3 JC法 |
| 4.6 两个改进鳞虾群算法计算可靠度指标 |
| 4.6.1 求解可靠度指标的数学模型 |
| 4.6.2 利用Matlab求解可靠度指标步骤 |
| 4.7 算例分析 |
| 4.7.1 算例1—圆锥形结构 |
| 4.7.2 算例2—钢接头 |
| 4.7.3 算例3—并行和串行系统可靠度求解 |
| 4.8 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（2）基于区间模型的非概率结构可靠性分析及优化设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 非概率可靠性研究概况 |
| 1.3 非概率可靠性优化设计研究概况 |
| 1.4 论文的研究思路和主要研究内容 |
| 2 基于区间模型的非概率可靠性 |
| 2.1 引言 |
| 2.2 非概率可靠性指标 |
| 2.3 非概率可靠性指标算法 |
| 2.4 非概率可靠性与概率可靠性的比较和分析 |
| 2.5 非概率可靠性与非概率安全系数 |
| 2.6 本章小结 |
| 3 应力-强度干涉模型的非概率可靠性 |
| 3.1 引言 |
| 3.2 区间度的可靠性分析 |
| 3.3 非概率集合可靠度 |
| 3.4 非概率集合可靠度的概率度量 |
| 3.5 正态分布区间数可靠度 |
| 3.6 结构非概率可靠性模型的比较分析 |
| 3.7 本章小结 |
| 4 基于区间模型的非概率可靠性优化 |
| 4.1 引言 |
| 4.2 非概率可靠性优化设计模型 |
| 4.3 非概率可靠性优化设计 |
| 4.4 非概率可靠度优化设计 |
| 4.5 本章小结 |
| 5 RC桥梁非概率可靠性分析及加固优化设计 |
| 5.1 引言 |
| 5.2 增大截面法加固RC桥梁概率可靠性分析 |
| 5.3 增大截面法加固RC桥梁非概率可靠性分析 |
| 5.4 基于非概率可靠性的RC桥梁加固优化设计 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读博士学位期间发表的论文目录 |
（3）基于截尾概率分布的基坑突涌模糊可靠度分析（论文提纲范文）
| 0 引言 |
| 1 随机变量的截尾概率分布 |
| 2 截尾分布的拉丁超立方抽样 |
| 3 最大熵原理确定概率密度函数 |
| 4 模糊可靠度分析原理 |
| 5 工程应用 |
| 5.1 基坑突涌判别的功能函数 |
| 5.2 岩土参数截尾概率分布抽样 |
| 5.3 模糊可靠度计算 |
| 5.4 计算效率对比分析 |
| 5.5 不同承压水头下基坑突涌模糊概率 |
| 6 结论 |
（4）结构可靠度分析的一种改进蚁群算法（论文提纲范文）
| 1结构可靠度计算模型 |
| 2改进的蚁群算法 |
| 3实例分析 |
| 4结语 |
（6）玻璃幕墙风振可靠度对比分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 结构可靠度设计概述 |
| 1.2.1 结构可靠度设计的内容 |
| 1.2.2 结构可靠度研究的发展过程 |
| 1.2.3 结构可靠度的计算方法 |
| 1.3 玻璃幕墙结构的研究现状 |
| 1.4 本文主要工作 |
| 1.5 本章小结 |
| 第2章 玻璃幕墙的三种形式 |
| 2.1 全玻玻璃幕墙的结构形式 |
| 2.2 框支撑玻璃幕墙的结构形式 |
| 2.3 点支撑玻璃幕墙的结构形式 |
| 2.4 小结 |
| 第3章 蚁群算法的改进 |
| 3.1 蚁群算法研究现状及原理 |
| 3.1.1 蚁群算法的研究现状 |
| 3.1.2 蚁群算法的基本原理 |
| 3.2 蚁群算法的优缺点 |
| 3.3 蚁群算法的改进方法 |
| 3.3.1 Logistic 混沌系统 |
| 3.3.2 混沌初始化蚁群的思想 |
| 3.3.3 改进蚁群算法的流程 |
| 3.4 蚁群算法改进前后的优缺点 |
| 3.5 小结 |
| 第4章 玻璃幕墙抗风可靠性分析 |
| 4.1 风荷载对玻璃幕墙的影响 |
| 4.2 玻璃幕墙风振可靠指标模型 |
| 4.3 幕墙玻璃破坏强度 R 的概率分布模型 |
| 4.4 玻璃幕墙在风载作用下的受力分析 |
| 4.5 玻璃幕墙的抗风可靠性分析 |
| 4.6 本章小结 |
| 第5章 改进蚁群算法在玻璃幕墙风振可靠度中的应用 |
| 5.1 示例 |
| 5.2 改进蚁群算法的结构可靠度分析 |
| 5.2.1 改进蚁群算法寻找结构关键失效路径 |
| 5.2.2 改进蚁群算法对结构可靠指标的计算 |
| 5.3 改进蚁群算法对结构可靠度的分析流程 |
| 5.4 三种结构的模型分析 |
| 5.5 结果分析 |
| 5.6 小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间所发表的论文 |
（7）基于改进ACO和PSO算法的结构可靠度分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景和意义 |
| 1.2 结构可靠度概述 |
| 1.2.1 结构可靠度分析的目的和过程 |
| 1.2.2 结构可靠度研究历史 |
| 1.2.3 结构可靠度研究现状 |
| 1.3 群体智能算法概述 |
| 1.3.1 群体智能算法研究历史 |
| 1.3.2 群体智能算法研究现状 |
| 1.4 本文主要工作 |
| 1.5 本章小结 |
| 第2章 结构可靠度分析的基本概念和常用计算方法 |
| 2.1 结构可靠性与可靠度 |
| 2.2 结构可靠度与极限状态 |
| 2.3 结构可靠度与失效概率 |
| 2.4 结构可靠度与可靠指标 |
| 2.4.1 可靠指标的常用公式 |
| 2.4.2 可靠指标的几何意义 |
| 2.5 结构可靠度常用计算方法 |
| 2.5.1 一次二阶距法 |
| 2.5.2 JC 法 |
| 2.5.3 蒙特卡罗法 |
| 2.6 本章小结 |
| 第3章 ACO 算法与 PSO 算法 |
| 3.1 ACO 算法 |
| 3.1.1 ACO 算法的基本原理 |
| 3.1.2 ACO 算法的数学模型 |
| 3.1.3 ACO 算法的基本流程 |
| 3.1.4 ACO 算法的特点 |
| 3.2 PSO 算法 |
| 3.2.1 PSO 算法的基本原理 |
| 3.2.2 PSO 算法的基本流程 |
| 3.2.3 PSO 算法的参数构成及设置 |
| 3.2.4 PSO 算法的特点 |
| 3.3 本章小结 |
| 第4章 ACO 与 PSO 算法的改进 |
| 4.1 改进 ACO 算法 |
| 4.1.1 信息熵及其性质 |
| 4.1.2 ACO 算法的改进 |
| 4.2 改进 PSO 算法 |
| 4.2.1 惯性权重的设置 |
| 4.2.2 平滑函数 |
| 4.3 算法性能比较 |
| 4.3.1 改进 ACO 算法与其他算法的性能比较 |
| 4.3.2 改进 PSO 算法与其他算法的性能比较 |
| 4.4 本章小结 |
| 第5章 改进 ACO 与 PSO 算法对结构可靠度的分析 |
| 5.1 改进 ACO 算法寻找结构关键失效路径 |
| 5.1.1 结构失效路径概述及 ACO 算法操作步骤 |
| 5.1.2 用 MATLAB 实现改进 ACO 算法寻找失效路径 |
| 5.2 改进 PSO 算法对结构可靠指标的计算 |
| 5.2.1 基于改进 PSO 算法求解可靠指标模型 |
| 5.2.2 用 MATLAB 实现改进 PSO 算法求解结构可靠指标 |
| 5.3 基于改进 ACO 和 PSO 混合算法的结构可靠度分析流程 |
| 5.4 本章小结 |
| 第6章 算例分析及方法对比 |
| 6.1 算例 1 |
| 6.2 算例 2 |
| 6.3 算例 3 |
| 6.4 本章小结 |
| 结论与展望 |
| 结论 |
| 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介 |
| 攻读硕士期间所发表的论文 |
（8）基于改进ACO与PSO算法的结构可靠度分析（论文提纲范文）
| 1 基于改进后的ACO的失效路径的寻找 |
| 1.1 ACO简介 |
| 1.2 ACO改进 |
| 1.3 改进后的ACO寻找最短失效路径 |
| 2 基于PSO的可靠指标计算模型 |
| 2.1 PSO简介 |
| 2.2 模型建立 |
| 3 实例分析 |
| 4 结论 |
（10）基于模拟退火优化算法的在役梁桥可靠性分析（论文提纲范文）
| 1 在役钢筋混凝土梁桥结构抗力衰减模型 |
| 2 在役钢筋混凝土梁桥结构荷载效应模型 |
| 2.1 恒载效应的概率模型 |
| 2.2 车辆荷载效应的概率模型 |
| 3 模拟退火优化算法的基本原理 |
| 4 模拟退火优化算法求解可靠指标的实现 |
| 4.1 可靠指标β的优化计算模型 |
| 4.2 模拟退火优化算法求可靠性指标β步骤模拟退火优化算法步骤为[14] |
| 5 计算实例 |
| 6 结 论 |
四、计算结构可靠指标的子域抽样法（论文参考文献）
- [1]鳞虾群算法的改进及其在结构可靠性分析中的应用[D]. 程立翔. 广州大学, 2020(02)
- [2]基于区间模型的非概率结构可靠性分析及优化设计[D]. 王敏容. 华中科技大学, 2019(03)
- [3]基于截尾概率分布的基坑突涌模糊可靠度分析[J]. 李明,吴波. 地下空间与工程学报, 2019(01)
- [4]结构可靠度分析的一种改进蚁群算法[J]. 白海霞. 长江大学学报(自科版), 2015(28)
- [5]Kriging技术在结构可靠度分析中的应用研究[A]. 杨跃. 第十四届全国现代结构工程学术研讨会论文集, 2014
- [6]玻璃幕墙风振可靠度对比分析[D]. 王敬丽. 河北工程大学, 2014(03)
- [7]基于改进ACO和PSO算法的结构可靠度分析[D]. 恒北北. 河北工程大学, 2013(04)
- [8]基于改进ACO与PSO算法的结构可靠度分析[J]. 李彦苍,恒北北,彭双红,程秋月,伴晨光. 河北工程大学学报(自然科学版), 2012(04)
- [9]Kriging技术在结构可靠度分析中的应用研究[A]. 杨跃. 第十二届全国现代结构工程学术研讨会暨第二届全国索结构技术交流会论文集, 2012
- [10]基于模拟退火优化算法的在役梁桥可靠性分析[J]. 包龙生,祝孝成,于玲. 沈阳建筑大学学报(自然科学版), 2012(02)