引言

现代桥梁工程正朝着超大跨径、复杂结构体系、高性能服役的方向快速发展。斜拉桥主跨已突破千米级，悬索桥跨径正向两千米乃至三千米迈进，与此同时，桥梁结构形式日益多元化，组合体系、混合结构、新型材料不断涌现。这种发展趋势对桥梁设计与运维提出了更高要求：一方面需要满足承载力、刚度、稳定与疲劳等安全约束，另一方面还需兼顾经济性、可施工性与动力性能（风致、车致、地震等）。在传统的设计范式中，工程师往往依赖经验与简化计算进行参数选取，再通过有限元分析进行验证与调整。这种“试错式”设计方法在面对多参数、强耦合、非线性响应时，难以保证设计方案的最优性，且效率较低。

在此背景下，越来越多研究将桥梁关键参数的选取与调整视为优化问题，试图在大规模设计空间中自动搜索性能更优的方案。这一转变的核心驱动力在于：桥梁结构性能对设计参数高度敏感，且不同性能目标之间往往存在冲突，需要系统性的权衡机制。将优化理论与方法引入桥梁设计，不仅有助于提升设计方案的质量，也为实现桥梁结构的智能化设计奠定了基础。

1 背景

1.1 桥梁结构优化问题的数学特征

从优化问题视角审视，桥梁结构优化具有以下鲜明特征：

(1)非线性与多峰性。大跨桥梁存在显著的几何非线性、材料非线性以及索—梁—塔耦合效应。以斜拉桥为例，索力调整会引起全桥内力重分布，结构响应对参数变化高度敏感，目标函数往往呈现非凸、多峰特性。这意味着传统的梯度下降类方法容易陷入局部最优，难以获得全局意义上的满意解。

(2)约束多且耦合强。桥梁优化问题的约束既包括应力、位移、索力上下限等结构安全性约束，也包括施工张拉、成桥线形控制等过程性约束，还涉及构造要求、规范限值等强制性约束。这些约束之间往往存在强耦合关系，例如索力调整在改善线形的同时可能引起塔根应力超限，需要在不同约束之间寻求平衡。

(3)变量类型多样。桥梁设计变量既包含连续变量（索力、索截面、梁塔几何参数），也可能包含离散变量（索分组方案、索布置形式、装置型号选型）。混合变量类型的出现，使得传统基于梯度的优化方法难以直接应用。

(4)计算代价高昂。每一次目标函数与约束的评估，通常需要调用有限元分析程序，对于大跨桥梁的精细模型，单次分析可能耗时数分钟至数十分钟。这一特征对优化算法的收敛效率提出了严苛要求。

1.2 元启发式算法的适用性与优势

在上述问题特征下，传统依赖梯度信息的数学规划方法可能受限于可导性、局部最优以及实现复杂度等因素。元启发式算法（Metaheuristic Algorithms）因其对梯度不敏感、全局搜索能力较强、易于处理离散变量与复杂约束而得到广泛关注与应用。

元启发式算法在桥梁优化中的优势体现在：其一，无需目标函数的梯度信息，适用于黑箱性质的有限元分析模型；其二，通过种群搜索机制维持多样性，具备较强的全局探索能力；其三，能够自然地处理离散变量与混合变量；其四，多目标版本的算法可以直接输出Pareto前沿面，为决策者提供多样化的权衡方案。

1.3 本文工作

本文聚焦“桥梁领域”内两个最常见、也最容易形成系统文献链条的方向—桥梁几何参数优化与减隔震优化。前者以斜拉桥为核心，讨论索力、索截面、以及索布置与成桥线形等参数的优化建模与求解，并补充悬索桥主缆线形与索系参数优化；后者涉及隔震支座、耗能、阻尼器以及调谐质量阻尼器（Tuned Mass Damper, TMD）等装置的参数与布置优化。

2 桥梁几何参数优化研究进展

桥梁几何参数优化的核心在于：通过调整几何与索系参数，使桥梁在恒载、活载及施工阶段下获得合理的力学状态与线形。本章以斜拉桥为主线，兼顾悬索桥相关研究，系统梳理该领域的研究进展。

2.1 问题类型与关键变量

对于斜拉桥而言，索力与索截面是最常被优化的对象之一。早期与经典研究通常围绕“初始成桥状态”（initial shape）与“合理索力”（cable forces）展开。合理索力确定的本质是：在给定结构体系、构件截面和成桥线形的条件下，寻求一组索力，使得结构在恒载作用下满足某种最优性准则（如弯曲能量最小、索力均匀、塔偏位最小等），同时保证各构件应力、位移在允许范围内。

这一问题的工程重要性在于：斜拉桥是一种高次超静定结构，索力分配直接影响全桥内力状态。不同的索力方案可能导致主梁弯矩相差数倍，进而影响截面尺寸、配筋量乃至结构安全。Asgari等提出多约束迭代框架以确定斜拉桥最优索应力，强调索力问题本身对结构行为高度敏感，需要在多约束条件下寻求平衡。类似地，Chen等利用力平衡思想，在给定桥面线形的条件下求解预应力混凝土斜拉桥初始索力，为“线形控制约束”与“索力求解”之间的耦合提供了可计算路径。这些研究的共同点是：将“索力/线形”视为关键参数，但在求解策略上既可以采用确定性迭代，也可以进一步嵌入元启发式算法实现全局搜索。除索力外，斜拉桥几何优化还涉及更广泛的变量类型：索布置与分组参数。索面配置形式（扇形、竖琴形、半扇形等）直接影响结构受力的整体性；索在塔上和梁上的锚固位置、索间距、索分组方案等，既影响结构响应，也与可施工性密切相关。将索布置作为离散变量纳入优化，能够拓展设计空间，但也增加了问题的复杂性。

斜拉桥采用悬臂浇筑或拼装施工时，施工阶段的索力张拉顺序、张拉力大小、临时支撑设置等，直接影响成桥后的内力和线形。Lee等针对不对称斜拉桥提出张拉策略优化并讨论其对施工过程的影响，说明“施工过程”本身也可作为优化问题的一部分，而不仅是成桥静力目标。这类问题通常表现为多阶段、多目标与多约束耦合，为元启发式或混合优化提供了应用空间。

2.2 元启发式算法在斜拉桥几何/索系优化中的典型应用

在斜拉桥优化研究中，遗传算法（GA）是最常出现的元启发式算法之一。Lute等将“高效分析”与“GA优化”耦合，用于斜拉桥的优化分析，核心动机是降低优化过程中结构分析的计算开销，使GA在工程规模问题上更可用。从方法论角度看，这类研究往往包含两层架构：外层优化器（GA/PSO/DE等）负责搜索设计变量，生成候选解；内层分析器（有限元或结构力学模型）负责返回目标函数与约束值。这种嵌套架构的难点主要在于：分析器是否足够快、约束处理是否稳定（罚函数、可行性规则等）、以及变量尺度与工程边界是否合理。针对计算效率问题，部分研究尝试采用响应面模型、Kriging模型或神经网络替代精细有限元分析，以加速优化进程。

工程算例层面，Baldomir等对西班牙La Coruña一座大跨斜拉桥开展索优化研究，体现出实际工程背景下索力优化与结构响应控制的结合。在此类研究中，目标函数往往与结构响应相关，例如：内力控制目标：主梁弯矩极小化、塔底弯矩极小化、索力均匀性指标等；变形控制目标：成桥线形偏差最小化、活载挠度最小化等；经济性目标：材料用量最小化、造价最低、索用量最少等；综合性能目标：将上述指标加权组合或采用多目标框架。约束条件则来自结构与施工可行范围，包括：索力上下限（避免松弛或超限）、混凝土/钢材应力限值、位移限值、稳定性要求、构造要求等。

Wang与Yang的参数化研究表明，斜拉桥响应对关键参数变化存在明显敏感性，这为“基于搜索的优化策略”提供了必要性：当响应面复杂且局部最优多时，需要更具全局性的搜索机制。

进一步地，研究者开始从“索力优化”扩展到“桥梁总体最优设计”，包括材料用量、构件尺寸与体系参数的综合优化。Martins等讨论混凝土斜拉桥的最优设计，体现出将桥梁总体设计变量纳入优化的趋势。Hassan等围绕斜拉桥最优索力与索体系设计开展系列研究，并进一步提出针对特定索面形式（如 semi-fan）建立最优设计数据库的思路，强调在参数空间较大时可借助系统化数据组织与优化框架支撑工程应用。

多目标进化算法在这一趋势中扮演重要角色。NSGA-II、MOPSO等算法能够同时优化多个相互冲突的目标，生成Pareto前沿面供决策者选择。例如，在索力优化中同时追求“主梁弯矩最小”与“索力均匀性最佳”，两个目标往往存在权衡，多目标框架能够揭示这种权衡关系。

2.3 从斜拉桥扩展：悬索桥主缆线形、索系与总体布局的优化

除斜拉桥外，悬索桥同样存在典型的几何参数优化问题。悬索桥的核心几何参数包括：主缆垂跨比、主缆截面、吊索间距、加劲梁高度等。其中，主缆线形确定是悬索桥设计的基石——在给定恒载分布和垂度的条件下，主缆形成特定的抛物线或悬链线形状；而吊索力的分布则影响加劲梁的内力状态。

与斜拉桥相比，悬索桥的几何优化具有以下特点：其一，主缆与加劲梁通过吊索连接，形成协同受力体系，主缆线形与加劲梁内力耦合；其二，施工过程（特别是基准索股架设、吊索安装顺序）对成桥状态影响显著；其三，大跨悬索桥对风致振动敏感，气动稳定性往往成为约束条件。

Yang等针对悬索桥提出耦合建模与双种群多目标粒子群优化（DPMOPSO），将结构分析过程中的关键步骤（例如主缆线形寻形）与多目标优化耦合，实现对悬索桥多目标设计的搜索。从其参考文献链条中也可看到，基于PSO的悬索桥施工/安装阶段寻形与分析（如改进PSO用于安装分析）是该方向的重要分支之一。

此外，悬索桥最优设计还可能同时考虑气动稳定、运动学与几何约束等多类约束。Nieto等在长跨悬索桥的最优设计中讨论了气动与运动学约束的重要性，反映出大跨桥梁优化中“约束类型复杂化”的趋势。这些工作共同说明：对于大跨桥梁，几何参数优化不仅关乎静力线形，也往往与动力性能、稳定与施工控制密切相关。

3 桥梁减隔震系统优化研究进展

桥梁结构在服役期间面临地震、风振、车致振动等多种动力荷载，减隔震与减振系统的合理设计对保障桥梁安全与舒适性至关重要。本章系统梳理元启发式算法在减隔震/减振系统优化中的应用进展。

3.1 问题界定与优化变量

桥梁减隔震/减振系统主要包括三类：

隔震系统。通过在桥墩与主梁之间设置隔震支座（如铅芯橡胶支座LRB、高阻尼橡胶支座HDRB、摩擦摆支座FPS等），延长结构周期、增加阻尼，降低地震响应。隔震系统的核心参数包括：支座刚度、屈服力、屈后刚度比、摩擦系数等。

耗能/阻尼器系统。包括金属屈服型阻尼器、粘滞阻尼器、粘弹性阻尼器等，通过耗散输入能量降低结构响应。优化变量涉及阻尼系数、阻尼指数、安装位置、数量与布置方案等。

调谐质量阻尼系统。包括调谐质量阻尼器（TMD）、调谐液体阻尼器（TLD）、多重调谐质量阻尼器（MTMD）等，通过附加子结构的调谐作用吸收主结构振动能量。优化变量包括质量比、频率比、阻尼比以及安装位置。

减隔震/减振系统优化具有以下特征：

动力响应主导。目标函数通常涉及结构在地震/风/车致荷载下的动力响应，如墩顶位移、塔底弯矩、梁端位移、加速度响应等，需要进行时程分析或频域分析，计算代价较高。

参数敏感性。系统参数对减震效果高度敏感，例如TMD的频率调谐偏离最优值5%可能导致减振效率下降20%以上，需要精细优化。

离散与连续混合。既有连续参数（刚度、阻尼系数），也可能包含离散变量（装置型号、数量、布置位置）。

多荷载工况。地震作用下需考虑多遇地震、设防地震、罕遇地震等多级设防目标；风振控制需考虑不同风速、风向的发生概率。

3.2 隔震系统参数优化

隔震系统的优化目标是确定支座参数，使结构在地震作用下的响应最小化，同时保证支座变形在允许范围内。早期研究多采用参数分析或简化优化方法，随着元启发式算法的引入，优化维度与搜索能力显著提升。

典型研究范式为：以隔震支座的关键参数（如LRB的屈服力Q_d、屈后刚度比α；FPS的摩擦系数μ、曲率半径R）为设计变量，以结构地震响应（墩顶位移、墩底弯矩、梁端位移等）为目标函数，采用GA、PSO等算法进行寻优。约束条件包括：支座变形不超过极限位移、隔震层在风荷载下不屈服等。

隔震设计往往面临多个性能目标之间的权衡。例如，较小的支座刚度有利于降低上部结构地震力，但可能导致支座位移过大；较大的阻尼可以控制位移，但可能增加传递到墩台的高频力。多目标优化能够揭示这种权衡关系。因此在这一领域得到应用。研究者同时优化多个目标（如墩顶位移最小化、支座成本最小化、残余位移最小化），生成Pareto前沿，为决策者提供不同偏好下的备选方案。MOPSO在多目标桥梁优化中表现优于NSGA-II和SPEA2的研究结论，为算法选择提供了参考。

3.3 耗能/阻尼器布置与参数优化

粘滞阻尼器在桥梁抗震与减振中应用广泛，特别是在大跨度桥梁的纵向减震、斜拉索减振等方面。优化变量包括：阻尼系数C、阻尼指数α、安装位置、布置数量等。对于斜拉索减振，阻尼器的安装位置往往受限于构造（通常安装在索端附近），但阻尼参数仍需优化以最大化模态阻尼比。研究者采用GA、PSO等算法，以索系多阶模态的对数衰减率之和或最小模态阻尼比最大化为目标，优化阻尼器参数。对于全桥纵向减震，阻尼器布置位置（如塔梁连接处、辅助墩处）和参数协同优化成为研究热点。优化目标涉及：梁端位移控制、塔底内力控制、伸缩缝位移控制等。

金属屈服型阻尼器（如E型钢阻尼器、剪切型阻尼器）通过金属塑性滞回耗能。优化变量包括：阻尼器的屈服力、屈服位移、安装位置与数量。此类优化问题需要处理非线性滞回模型，计算成本较高。

研究者尝试采用代理模型（如Kriging模型、响应面法）替代精细有限元分析，以加速优化进程。元启发式算法与代理模型的结合，成为处理计算密集型优化问题的有效路径[20]。

3.4 调谐质量阻尼器（TMD/TID）优化

TMD是桥梁减振（特别是风致振动、人致振动、车致振动控制）的常用装置。经典TMD优化问题为：给定主结构动力特性，确定TMD的最优频率比和最优阻尼比，使得主结构的动力放大系数最小化。

Den Hartog给出的解析解适用于无阻尼主结构受简谐激励的情形。对于实际桥梁结构，主结构本身具有阻尼，且激励具有宽带特性，解析解不再严格适用。研究者采用元启发式算法，以结构响应（位移、加速度）的峰值或均方根最小化为目标，直接优化TMD参数。

单一TMD对多模态响应控制效果有限，多重调谐质量阻尼器（MTMD）和分布式TMD成为研究热点。优化问题涉及：各TMD的质量分配、频率分布、阻尼比、安装位置。

这类问题的变量维度显著增加，且目标函数（如多阶模态响应最小化）呈现复杂的非线性特征。PSO、DE等算法因其并行搜索能力而受到青睐。研究表明，优化后的MTMD在宽频激励下具有更好的鲁棒性。

近年来，调谐惯质阻尼器（Tuned Inerter Damper, TID）等新型装置引起关注。TID通过惯质放大表观质量，可在较小附加质量下实现较好的减振效果。优化变量包括：惯质系数、刚度、阻尼。元启发式算法在TID的参数优化和位置优化中发挥作用。

4关键方法与技术特征

单一元启发式算法在全局探索与局部开发之间存在固有矛盾。遗传算法全局搜索能力强但局部精细搜索能力弱；粒子群算法收敛快但易早熟。混合算法旨在结合不同算法的优势，提升优化性能。

常见的混合模式包括：

(1)串行混合。先采用全局算法（如GA）进行粗搜索，定位最优区域，再切换至局部搜索算法（如模式搜索、单纯形法）进行精细寻优。

(2)并行混合。在种群进化过程中，同时融入不同算法的操作算子，如GA-PSO混合，部分个体执行GA操作，部分个体执行PSO操作，或采用PSO更新速度后施加GA交叉变异。

(3)元启发式与数学规划混合。外层采用元启发式进行全局探索，内层对于子问题（如给定索力分布下的截面优化）采用数学规划精确求解。

4.1 多目标优化与决策支持

桥梁优化问题本质上是多目标的：成本、安全、耐久、施工便利性等目标往往相互冲突。多目标进化算法能够一次运行生成多个Pareto最优解，构成Pareto前沿面。

NSGA-II基于快速非支配排序和拥挤度距离保持解的分布性，是应用最广泛的多目标进化算法。MOPSO通过外部存档存储非支配解，结合领导者选择机制引导搜索。SPEA2采用强度值和环境选择策略维持多样性。比较研究表明，MOPSO在桥梁设计优化中可能取得更优的超体积和多样性指标。

生成Pareto前沿后，需要从多个解中选出最终实施方案。常用的决策方法包括：加权求和法（对不同目标赋权）、TOPSIS（逼近理想解排序法）、层次分析法（AHP）等。部分研究将决策过程嵌入优化算法，如采用偏好诱导机制引导搜索朝向决策者感兴趣的区域。

4.2 高效分析与代理模型耦合

精细有限元分析的耗时性是大规模桥梁优化的主要瓶颈。一次优化往往需要数千甚至数万次有限元调用，对于大跨桥梁的精细模型，计算时间可能长达数周乃至数月，难以满足工程实践需求。代理模型（Surrogate Model）技术通过构建原分析模型的近似替代，大幅降低优化成本。常用代理模型包括：响应面法（RSM）：采用低阶多项式拟合输入输出关系；Kriging模型：提供预测值的同时给出预测不确定性；径向基函数（RBF）：适用于高维非线性问题；神经网络：特别是深度神经网络，适用于复杂映射关系。代理模型辅助优化的典型流程为：设计试验（如拉丁超立方抽样）→ 构建代理模型 →采用元启发式算法在代理模型上搜索 → 对候选解进行真实分析验证 → 更新代理模型（自适应采样）。这一流程可显著减少精细分析次数。

元启发式算法的种群并行性天然适合并行计算。随着计算资源的普及，研究者越来越多采用并行有限元分析：将种群中多个个体同时分发至不同计算核心进行分析，大幅缩短优化时间。

4.3 鲁棒性设计与不确定性处理

桥梁优化中的不确定性主要来自：荷载不确定性（地震、风、车辆荷载的随机性）、材料与几何参数不确定性（材料强度、构件尺寸的变异性）、模型不确定性（分析模型与实际结构的差异）。忽视不确定性可能导致优化解在实际条件下表现不佳。

鲁棒性优化（Robust Design Optimization）旨在寻求对参数波动不敏感的设计方案。常用方法包括：基于统计矩的方法：优化目标的均值与方差，或采用均值标准差的形式；可靠性指标约束：将确定性约束替换为可靠度约束区间分析与证据理论：适用于缺乏充分统计信息的情形。元启发式算法与可靠性分析相结合，形成“可靠性-优化”双层框架。外层由元启发式算法搜索设计变量，内层采用一次二阶矩法（FORM）或蒙特卡洛模拟计算可靠度指标。

5结论与展望

5.1研究结论

本文系统梳理了元启发式算法在桥梁几何参数优化与减隔震/减振系统优化中的研究进展，主要结论如下：

（1）桥梁结构优化问题具有显著的多目标、多约束、非线性和混合变量特征，元启发式算法因其梯度无关性和全局搜索能力，已成为桥梁优化的主流方法。遗传算法、粒子群算法及其多目标变体（NSGA-II、MOPSO）在各类问题中得到广泛应用。

（2）几何参数优化经历了从“单目标索力优化”到“多目标体系协同优化”的演变。研究范畴从初始成桥状态的索力确定，扩展至索截面、索布置、梁塔几何参数、施工过程参数的协同优化。悬索桥的线形优化与气动约束纳入，体现了问题复杂度的提升。

（3）减隔震/减振系统优化聚焦于装置参数与布置方案的协同设计。隔震支座、阻尼器、调谐质量阻尼器的参数敏感性要求精细优化；多装置协同、多荷载工况、鲁棒性设计成为研究热点。动力时程分析的高昂代价驱动了代理模型和高效算法的应用。

（4）方法学层面呈现混合算法、多目标决策、代理模型、鲁棒性设计的多元发展态势。混合策略平衡全局与局部搜索，多目标框架揭示目标权衡关系，代理模型缓解计算瓶颈，鲁棒性方法处理实际工程不确定性。这些方法的协同应用，推动了桥梁优化从学术研究向工程实践的转化。

5.2未来展望

当前桥梁优化研究仍以静力响应和单一荷载工况为主，未来需要向更复杂的工程场景延伸。其一，全寿命周期性能优化，将长期服役性能退化、维护策略纳入优化框架，从“初始设计最优”走向“全寿命最优”。其二，多灾害耦合作用，考虑地震、风、车致、温度等多灾害荷载的组合与联合概率，发展多灾害韧性设计优化方法。其三，施工全过程优化，将施工阶段的多道工序、临时结构、工期约束纳入问题模型，实现设计-施工一体化优化。

元启发式算法本身的发展将呈现三大趋势：其一，与深度学习融合，利用神经网络学习设计变量与结构响应的映射关系，或采用强化学习指导搜索过程；其二，与物理信息融合，将结构力学先验知识嵌入算法设计，减少无效搜索，提高收敛效率；其三，算法自适应调参，基于问题特征自动调整算法参数，减少对人工经验的依赖，近期研究已显示参数校准对优化性能的显著影响。

随着智能传感与物联网技术的发展，桥梁数字孪生（Digital Twin）为优化提供了新的可能性。基于实时监测数据动态更新结构模型，识别实际参数与响应，进而动态优化维护策略或控制参数，形成“感知-分析-决策”闭环。元启发式算法在这一闭环中可作为在线优化引擎，适应结构状态的时变特性。

参考文献：

1. [1] Tam K M M, Mueller C T. Computational generation of architecturally interesting spatial structures using machine learning[J]. Automation in construction,2021,125:103615.
2. [2] 荣见华, 姜节胜,颜东煌, 等. 多约束的桥梁结构拓扑优化[J]. 工程力学,2002(04):160-165.
3. [3] Bletzinger K U, Firl M, Linhard J, et al. Optimal shapes of mechanically motivated surfaces[J]. Computer methods in applied mechanics and engineering,2021,199(5-8):324-333.
4. [4] Asgari B, Osman S A, Adnan A. A new multiconstraint method for determining the optimal cable stresses in cable-stayed bridges[J]. The scientific world journal,2014,2014:503016.
5. [5] Lute V, Upadhyay A, Singh K K. Computationally efficient analysis of cable-stayed bridge for GA-based optimization[J]. Engineering applications of artificial intelligence,2009,22(4–5):750–758.
6. [6] Baldomir A, Hernandez S, Nieto F, et al. Cable optimization of a long span cable stayed bridge in La Coruna (Spain)[J]. Advances in engineering software,2010,41(7–8):931–938.
7. [7] 张连振, 黄侨. 基于优化设计理论的桥梁有限元模型修正[J]. 哈尔滨工业大学学报,2008(02):246-249.
8. [8] Lee T Y, Kim Y H, Kang S W. Optimization of tensioning strategy for asymmetric cable-stayed bridge and its effect on construction process[J]. Structural and multidisciplinary optimization,2008,35(06):623–629.
9. [9] Chen D W, Au F T K, Tham L G, et al. Determination of initial cable forces in prestressed concrete cable-stayed bridges for given design deck profiles using the force equilibrium method[J]. Computers & structures,2000.
10. [10] 谢艳梅. 混合梁连续刚构桥结构几何参数优化研究[D]. 西南交通大学,2013.
11. [11] Wang P H, Tseng T C, Yang C G. Initial shape of cable-stayed bridges[J]. Computers & structures,1993,46(06):1095–1106.
12. [12] Wang P H, Yang C G. Parametric studies on cable-stayed bridges[J]. Computers & structures,1996,60(02):243–260.
13. [13] Martins A M B, Simões L M C, Negrão J H J O. Optimum design of concrete cable-stayed bridges[J]. Engineering optimization,2015,48(05):772–791.
14. [14] 王文熙. 桥梁TMD系统的参数优化与设计[D]. 湖南大学,2014.
15. [15] Hassan M M, Damatty A A E, Nassef A O. Database for the optimum design of semi-fan composite cable-stayed bridges based on genetic algorithms[J]. Structural infrastructure engineering,2014,11(08):1054–1068.
16. [16] Hassan M M. Optimization of stay cables in cable-stayed bridges using finite element, genetic algorithm, and b-spline combined technique[J]. Engineering structures,2013,49:643–654.
17. [17] 郭彤, 李爱群, 韩大章. 基于灵敏度分析与优化设计原理的大跨桥梁动力模型修正[J]. 桥梁建设,2004(06):20-23.
18. [18] Asgari B, Osman A. Optimization of pre-tensioning cable forces in highly redundant cable-stayed bridges[J]. International journal of structural stability and dynamics,2015,15(01):1540005.
19. [19] Cao H, Qian X, Chen Z, et al. Layout and size optimization of suspension bridges based on coupled modelling approach and enhanced particle swarm optimization[J]. Engineering structures,2017,146:170–183.
20. [20] Yang P, Deng J, Wang A. Multiobjective optimization of suspension bridges via coupled modeling and dual population multiobjective particle swarm optimization[J]. Scientific reports,2025,15(01):22950-22950.
21. [21] 杨风利. 铁路桥梁减隔震设计方法及设计参数研究[D]. 北京交通大学,2007.
22. [22] Chen Z, Cao H, Ye K, Zhu H, Li S. Improved particle swarm optimization-based form-finding method for suspension bridge installation analysis[J]. Journal of computing in civil engineering,2015,29(03):4014047.1-4014047.13.
23. [23] Nieto F, Hernández S, Jurado J Á. Optimum design of long-span suspension bridges considering aeroelastic and kinematic constraints[J]. Structural and multidisciplinary optimization,2008,39(02):133–151.
24. [24] 杨伟军, 梁兴文, 张建仁, 等. 桥梁结构生命全过程的可靠性优化设计[J]. 桥梁建设,2002(05):1-4.