基于加权几何平均迭代的改进BESO法

为了解决传统双向渐进结构优化法中存在迭代历程易出现局部振荡现象、算法效率低的问题,提出了一种基于加权几何平均迭代的改进双向渐进结构优化法。通过研究当前迭代步灵敏度权重因子和历史迭代步敏度权重因子对结构优化过程的影响程度,与当前迭代步敏度权重因子对应的迭代历程变化趋势,实现了最优当前迭代步敏度权重因子的优化选择。3个经典算例验证了较原生过滤法与基于算术平均的过滤法两种处理方法,本文方法在保持了同等刚度的同时,减轻了迭代历程的震荡程度,显著提高了迭代的稳定性,减少了迭代次数,效率提高了10%～37.5%,说明该方法的可行性与有效性。