Application of Co-evolutionary Genetic Algorithm for Structural Optimization

Hong-Chi Yan; Chuen-Jiuan Jane

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P27 - 49

工程学 > 工程学综合
社会科学 > 管理学

书目管理工具

相关连结

问题回报

全文下载

Application of Co-evolutionary Genetic Algorithm for Structural Optimization

协同进化遗传算法在结构优化中的应用

颜弘錡(Hong-Chi Yan) ；简春娟(Chuen-Jiuan Jane)

计量管理期刊； 18 卷 1 期 (2021 / 05 / 01) ， P27 - 49

英文

Coevolutionary genetic algorithms ； Genetic algorithms ； Structural optimization ； Penalty techniques ；协同进化遗传算法；结构优化；惩罚函数； ANSYS FEA

0 个人觉得这篇文章赞

摘要 │ 参考文献 (25) │ 国际计量

摘要〈TOP〉

The paper studies the application of the co-evolutionary genetic algorithms in the structural optimization design. The optimization issues with constraints can be converted to those without constraints with the penalty techniques, making the general genetic algorithms applicable to find the optimal solution for the design problems. Firstly, three penalty parameters are defined to control the values of the penalty items. The first penalty parameter is related to the distance of the feasible region threshold, the second to the degree of the infringement against constraints, and the third to the number of infringement against constraints. Then two groups of parent populations are defined: the first group is the parent population of the penalty parameter and the other of the design parameters. By the co-evolutionary genetic algorithms, both groups of parent populations evolve simultaneously to get the optimal penalty parameters fitting for the design problem. Finally, this paper develops a structural optimization program combining the co-evolutionary procedure with commercial ANSYS FEA software. With this program, some testing examples and practical structural design issues are solved. The analysis results show that the method in this paper can get very satisfactory convergence for general structural optimization issues.

并列摘要〈TOP〉

参考文献 ( 25 ) 〈TOP〉

Chang, X.(2016).Semantic pooling for complex event analysis in untrimmed videos.IEEE transactions on pattern analysis and machine intelligence,39(8),1617-1632.
Chehouri, A.(2016).A constraint-handling technique for genetic algorithms using a violation factor.Journal of Computer Sciences,12(7),350-362.
Coit, D. W.,Smith, A. E.(1996).Reliability optimization of series-parallel systems using genetic algorithm.IEEE Transactions on Reliability,45(2),254-260.
Ede, A. N.(2018).Structural analysis of a genetic algorithm optimized steel truss structure according to BS 5950.International Journal of Civil Engineering and Technology,9(8),358-364.
Filomeno Coelho, R.(2013).Co-evolutionary optimization for multi-objective design under uncertainty.Journal of mechanical design,135(2),021006.

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址