对消能减震结构上的阻尼器进行优化布置,可以充分发挥阻尼器的耗能减震能力,提高阻尼器的减震效果,降低经济成本。传统遗传算法能单目标优化阻尼器在结构上的布置,快速非支配排序遗传算法(NSGA-II)能多目标优化阻尼器在结构上的布置,并行遗传算法能结合计算机的快速并行性和传统遗传算法的天然并行性,提高优化速度和精确度。论文将快速非支配排序遗传算法和并行遗传算法相结合,对框架结构上的阻尼器布置数量和布置位置进行优化研究,提出的优化算法和对算例的优化结果具备工程应用参考价值。本文主要的研究工作如下:(1)采用粗粒度-主从式并行遗传算法,以最大层间位移角为目标函数,对框架结构上的阻尼器布置位置进行优化。算法实现流程为:先将种群划分为多个子种群,接着各个子种群并行独立执行传统遗传算法操作,若达到迁移周期,子种群之间执行迁移操作,迁移完成后,各个子种群再次并行独立执行传统遗传算法操作。最后,采用粗粒度-主从式并行遗传算法对一个12层钢框架结构上的阻尼器进行优化布置,并和传统遗传算法、隔层布置方法进行对比,从减震率、精确度、计算效率等来分析该算法的有效性。(2)提出内嵌NSGA-II的粗粒度-主从式并行遗传算法,以结构的最大层间位移角和最大楼层加速度为目标函数,对结构上的阻尼器布置位置进行优化。该算法实现流程为:先将种群划分为多个子种群,接着各个子种群可以并行独立执行快速非支配排序遗传算法(NSGA-II)操作;若达到迁移周期,子种群之间执行迁移操作;迁移完成后,各个子种群再次并行独立执行NSGA-II操作。NSGA-II的主要步骤有:Pareto原则、快速非支配排序、拥挤度计算、精英保留策略,对这些主要步骤的原理和算法实现进行介绍。最后,采用内嵌NSGA-II的粗粒度-主从式并行遗传算法对一个12层钢框架结构上的阻尼器布置位置进行多目标优化,并计算框架结构的层间位移角和加速度减震系数。(3)为实现同时优化结构上阻尼器的布置数量和布置位置。先采用改进的粗粒度-主从式并行遗传算法,该算法分为内外两部分:内部采用粗粒度-主从式并行遗传算法,在阻尼器数量固定下,单目标优化阻尼器的布置位置;外部对阻尼器的数量进行循环优化。接着提出改进的内嵌NSGA-II的粗粒度-主从式并行遗传算法,该算法分为内外两部分:内部采用内嵌NSGA-II的粗粒度-主从式并行遗传算法,在阻尼器数量固定下,多目标优化阻尼器的布置位置;外部对阻尼器的数量进行循环优化。最后,采用这两种算法对一个12层钢框架结构上的阻尼器布置数量和布置位置进行优化,并给出阻尼器在12层框架结构的布置建议。