來源：廣西科技大學(xué)學(xué)報 2022年3期

　　作者:夏雨; 湯峰; 余穎燁

　　摘 要：混沌控制(chaos control，CC)算法在求解結(jié)構(gòu)可靠度問題中具有優(yōu)越的穩(wěn)健性，但由于其對步長的嚴格限制，導(dǎo)致計算速度較慢。單純形法是一種不將梯度方向作為尋優(yōu)方向的算法，該算法初始計算速度較快，能夠迅速逼近至極限狀態(tài)面附近，此后計算速度明顯下降，且計算結(jié)果誤差較大。為此，提出一種基于單純形法改進的混沌控制算法。首先，通過增廣乘子法將可靠度計算中的非線性等式約束問題轉(zhuǎn)化為非約束問題;然后，通過單純形法進行初始迭代計算;最后，使用CC算法進行收斂計算。算例結(jié)果表明：本文算法能夠有效解決高非線性功能函數(shù)可靠度求解問題，且兼具兩種算法的優(yōu)點，與混沌控制算法相比，提高了計算效率。

　　關(guān)鍵詞：結(jié)構(gòu)可靠度;混沌控制算法;單純形法;可靠度計算;計算效率

　　0 引言

　　建筑結(jié)構(gòu)的安全性與穩(wěn)定性對人類社會影響巨大，如何對其進行合理評價至關(guān)重要。Freudenthal[1]在《結(jié)構(gòu)安全度》一文中提出了結(jié)構(gòu)可靠度的相關(guān)概念;為了得到結(jié)構(gòu)可靠度指標，Cornell等[2-4]提出了一次可靠度理論，并對其不斷完善。然而當結(jié)構(gòu)功能函數(shù)的非線性程度較大時，經(jīng)典一次可靠度計算方法往往會出現(xiàn)迭代振蕩、結(jié)果不準確的情況。為了解決上述問題，眾多學(xué)者展開了更進一步的研究。Liu[5]首先考慮引入merit函數(shù)作為評價函數(shù)，但是該函數(shù)并不能保證算法的迭代方向為下降方向;Zhang等[6]考慮引入Armijo準則進行迭代步長的調(diào)控;楊迪雄[7]基于混沌控制理論中的穩(wěn)定轉(zhuǎn)換法，通過引入步長調(diào)控因子提出了混沌控制(chaos control，CC)算法，但由于該方法對步長的嚴格限制，致使算法計算速度相對較慢;Meng等[8]針對CC算法中存在的問題，結(jié)合“之”字型迭代路徑，提出了修正混沌控制(modified chaos control，MCC)方法。目前學(xué)術(shù)界對于Armijo準則的研究也有了不少的成果[9]，而李彬等[10-11]則將Armijo準則引入到混沌控制算法中，使得計算速度進一步加快，并且進行了逆可靠度求解方法的嘗試。與此類似，亢戰(zhàn)等[12]提出的修正迭代算法中也提及了步長調(diào)控因子的控制作用，在文中將其定義為修正系數(shù)，并給出了修正系數(shù)的具體計算方法。

　　除此之外，貢金鑫[13]還對迭代點在極限狀態(tài)面上的負梯度方向進行了深入研究討論，提出了有限步長法，并推理出HL-RF算法只是有限步長法的一個特例，該方法的初始步長會影響算法的收斂性。吳狄等[14]提出了自動變步長的搜索方法，但是收斂速度較慢。王林軍等[15]使用外罰函數(shù)法進行可靠度計算，但是由于該方法將其中一個變量用剩余變量進行表示，算法魯棒性不好，不夠穩(wěn)定，應(yīng)用受限。高翔等[16]則將模擬退火法與增廣乘子法應(yīng)用到可靠度計算中，雖然避免了一次二階矩方法中梯度的求解問題，但是卻增加了迭代步驟。許家赫等[17]將自適應(yīng)性PSO算法與fmincon函數(shù)結(jié)合用于尋優(yōu)計算，拓展了可靠度指標的計算方法。就目前而言，F(xiàn)OSM方法在結(jié)構(gòu)可靠度分析方面的理論研究已經(jīng)比較成熟，但是在實際的工程可靠度分析中卻鮮有使用，主要原因是：如果結(jié)構(gòu)的功能函數(shù)非線性程度過高，那么將會導(dǎo)致求解過程復(fù)雜化，致使整個計算過程效率低下，誤差也比較大，所以如何實現(xiàn)快速、準確求解是當前有待解決的一個 問題。

　　針對上述問題，本文提出一種基于單純形法改進的CC算法。首先，通過增廣乘子法將可靠度計算中的非線性等式約束問題轉(zhuǎn)化為非約束問題;然后，通過單純形法進行初始迭代計算;最后，使用CC算法進行收斂計算，通過數(shù)值算例驗證了本文方法的計算準確性與效率。

　　1 可靠度理論

　　Cornell[2]提出將結(jié)構(gòu)構(gòu)件的均值與標準差的比值作為該構(gòu)件的可靠度指標，并以此建立了一次二階矩方法，但是該方法在實際應(yīng)用中存在一定的缺陷。Hasofer和Lind重新定義了結(jié)構(gòu)可靠度指標的概念，確保了可靠度指標在同一構(gòu)件不同極限狀態(tài)函數(shù)下的唯一性，對可靠度理論進行了完善與修正。在數(shù)學(xué)上，可靠度指標[β]可以定義為如下非線性約束優(yōu)化問題：

　　[minβ=d(X*)=i=1nx*i2] ， (1)

　　[s. t. G(X)=g(x1， x2， …， xn)=0] . (2)

　　式中：[x]是標準正態(tài)空間下的隨機變量，[G(X)]為結(jié)構(gòu)的功能函數(shù)，[β] 是結(jié)構(gòu)可靠度指標。結(jié)構(gòu)可靠度的幾何意義是標準正態(tài)空間下，結(jié)構(gòu)功能函數(shù)上一點到原點的最短距離。對于不服從正態(tài)分布的隨機變量，可以使用JC法將其當量正態(tài)化。該方法的前提條件是驗算點[x*i] 處[X'i]和[Xi] 的累積分布函數(shù)和概率密度函數(shù)分別對應(yīng)相等，由此可以得到正態(tài)化之后的變量均值與標準差：

　　[ux′i=x*i-Φ-1[FXi(x*i)]σx′i] ， (3)

　　[σx′i=?{Φ-1[FXi(x*i)]}fXi(x*i)] . (4)

　　式中：[Φ(?)] 為標準正態(tài)的分布函數(shù)，而[?(?)] 為標準正態(tài)分布的概率密度函數(shù)，[ux′i] 是隨機變量當量正態(tài)化后的均值，[σx′i] 是隨機變量當量正態(tài)化后的標準差。在得到當量正態(tài)化后的變量均值與標準差之后便可以進行可靠度計算。

　　2 CC算法與單純形法計算原理

　　2.1 CC算法

　　在可靠度計算方法中，經(jīng)典HL-RF算法由于其概念清晰、計算簡便等優(yōu)點，被廣泛用于結(jié)構(gòu)可靠度求解，其核心思想是將結(jié)構(gòu)功能函數(shù)在第k個迭代點進行一階泰勒展開，并使功能函數(shù)在第k+1個迭代點的函數(shù)值滿足[g(uk+1)=0] ，可得：

　　[g(uk)+?g(uk)T(uk+1-uk)=0] . (5)

　　令第k+1次迭代點到標準正態(tài)空間下原點的距離為[βk+1] ，并取[uk] 點處梯度負方向的單位向量作為迭代選取方向，得：

　　[uk+1=-βk+1?g(uk)?g(uk)] . (6)

　　結(jié)合式(5)，可得：

　　[βk+1=g(uk)-?g(uk)Tuk?g(uk)] . (7)

　　式(6)與式(7)合稱為HL-RF算法，其在解決低非線性功能函數(shù)可靠度求解問題時計算效率很高，能夠在迭代過程中逐漸靠近收斂點。但是在解決高非線性功能函數(shù)時，往往會出現(xiàn)迭代振蕩，甚至不收斂的情況。

　　為了提高HL-RF算法的收斂性，楊迪雄[7]采用混沌控制學(xué)理論對其進行改進，提出了CC算法。該算法引入混沌控制因子對迭代過程中的振蕩情況進行了控制，表達式變?yōu)椋?/p>

　　[uk+1=uk+λC[F(uk)-uk]] ， (8)

　　[F(uk)=[?g(uk)]Tuk-g(uk)?g(uk)2?g(uk)] . (9)

　　式中：[C]代表n×n維對合矩陣，一般情況下取單位矩陣，[λ]是一個常數(shù)，代表混沌控制因子。通過上式可以發(fā)現(xiàn)，CC算法相較于經(jīng)典HL-RF算法而言，補充了迭代步長控制計算步驟。先通過HL-RF算法求解出[F(uk)]點，然后以本次迭代點[uk]為基點，將[uk]到[F(uk)]點的方向作為迭代方向，并在該迭代方向上選取一定的步長。如果[λ=0] ，則[uk+1=uk]，無法進行迭代計算;如果[λ=1]，則可得[uk+1=F(uk)]，此時的迭代公式就變成了經(jīng)典HL-RF算法，所以[λ]的取值為0 ～ 1。為了保證收斂性，[λ]的取值一般設(shè)置為較小的常數(shù)，導(dǎo)致CC算法的步長較小，收斂速度較慢。如果能使CC算法初始計算點盡可能靠近MPP點，就可以減少計算量，加快算法整體收斂速度。

　　2.2 單純形法

　　單純形法是一種不將函數(shù)梯度信息作為下降方向的算法。該算法在計算初始階段，收斂速度較快，具有一定的計算優(yōu)勢，但是在貼近極限狀態(tài)面之后，計算速度反而開始下降，且單純形法是一種

　　用于計算無約束問題的算法，根據(jù)式(1)、式(2)可知，結(jié)構(gòu)可靠度的計算屬于有約束問題。通過增廣乘子法可以將有約束的可靠度計算問題轉(zhuǎn)變?yōu)闊o約束優(yōu)化模型[Mρ]。

　　[Mρ(X， r， ρ)=i=1n(Xi-μiσi)2+]

　　[r2j=1n[gj(Xi)]2+j=1nρjgj(Xi] [)]. (10)

　　式中：[ρ=[ρ1， ρ2， …， ρm]] 為拉格朗日乘子，[r]為罰函數(shù)的懲罰因子，[r2j=1n[gj(Xi)]2] 為乘子項，[j=1nρjgj(Xi)] 為懲罰項。

　　通過增廣乘子算法對功能函數(shù)與可靠度指標計算公式進行結(jié)合，使得單純形法可以用于可靠度問題的求解。該算法的基本思想是：根據(jù)未知變量的個數(shù)，選擇n+1個不同的點構(gòu)成正單純形，分別計算正單純形的n+1個頂點函數(shù)值，對比優(yōu)劣，找到函數(shù)值最大的點及函數(shù)下降方向，據(jù)此來搜索新的點代替最大值點，依次更迭。在迭代點未接近極限狀態(tài)面時，[Mρ]優(yōu)化模型中的懲罰項發(fā)揮主要作用，迫使算法向極限狀態(tài)面逼近;而當?shù)c逼近至極限狀態(tài)面附近，懲罰項與乘子項趨近于0，此時可靠度指標的計算公式便可以發(fā)揮主要作用，使點通過迭代逐步逼近到最有可能失效點附近，并求得可靠度指標，該算法的迭代示意圖如圖1所示。

　　圖1中，由x3、[x1]與x2 3個點共同組成一個單純形，3個點分別為單純形的3個頂點。x3為極差點，xc為反射基點，xD為反射點，xR為延伸點，xp為收縮點。

　　根據(jù)單純形法的基本思想，該理論只適合無約束函數(shù)的計算，而增廣乘子法可以將約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題，這樣單純形法就可以進行可靠度求解。計算步驟如下所示：

　　Step 1 將[Mρ]作為目標函數(shù)，選取均值點[x11=(x111， x112， …， x11n)T]作為初始點，并將其視為初始單純形的一個頂點，采用式(11)計算正單純形剩余頂點的坐標[19]：

　　[x12=x11+(d1， d2， d2， …， d2)T，x13=x11+(d2， d1，d2，…， d2)T，x14=x11+(d2， d2， d1，…， d2)T， ? x1n+1=x11+(d2， d2， d2， …， d1)T.] (11)

　　其中，[d1=sn2(n+1+n-1)]，[d2=sn2]

　　[(n+1-1)]，[s]為初始正單純形的邊長。

　　Step 2 計算[n+1]個正單純形頂點的函數(shù)值，并找出其中的最好點[(][x1][)]與最差點[(][x3][)]，然后計算除最差點外剩余點的中心點xc，以此作為基點。

　　推薦閱讀：計算機算法方面能選擇哪些sci期刊

如果您現(xiàn)在遇到期刊選擇、論文內(nèi)容改善、論文投稿周期長、難錄用、多次退修、多次被拒等問題，可以告訴學(xué)術(shù)顧問，解答疑問同時給出解決方案 。