摘要：本文提出了一种用机器学习来改进遗传算法搜索效率的新方法——基于范例学习的遗传算法（简称CLGA），并将该方法成功应用于连续体结构拓扑优化。CLGA的基本思想是利用已搜索过的点的信息来指导后续的搜索，避免重复计算，从而提高了GA搜索的效率。本文提出了目标向量的概念，可以在不同尺度下量化链码产生的不同结构个体之间的相似性。算例的计算结果表明，该方法是一种高效的连续体拓扑优化方法。

原文链接:http://www.cqvip.com//QK/90123A/200603/22885033.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）