《表3 不同优化方法对短悬臂梁优化所得拓扑构型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进遗传算法的双向渐进结构优化方法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

从最终优化得到的拓扑构型（表3）上看，H-BESO方法受进化率的影响较大，5次优化下只有2次（3%、4%）得到最优构型，S-BESO方法受进化率的影响相对较小，3次（2%、4%、5%）得到最优构型，再次表明本文建立的材料插值模型的优势；受益于遗传算法的全局寻优能力，G-BESO方法5次运行均得到最优构型，表明G-BESO方法的稳健性和有效性；从计算效率和优化目标值（表4）上看，G-BESO方法平均迭代步数38.6、平均柔顺度1.5516 N?mm均优于其他两种方法。