基于粗粒度并行遗传算法的隔震层参数优化

打开文本图片集

摘要： 针对基于经典遗传算法的隔震层参数优化方法效率不高的问题，提出一种基于粗粒度并行遗传算法的隔震层参数优化方法。利用Python的多进程机制和Python与ETABS的交互，实现CPU各核同时调用ETABS并进行遗传操作，最后通过一个隔震工程的实例进行验证。结果表明：采用粗粒度并行遗传算法进行隔震层参数优化，与原设计结果相比，优化后的隔震结构性能更优;同时，用10核CPU计算，与经典遗传算法相比，该方法既能准确得出全局最优解，又可显著提高优化效率，加速比约为6，可基本满足隔震工程设计的及时性需求，具有较好的工程应用价值。（剩余10504字）