基于粗粒度并行遗传算法的隔震层参数优化

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.