利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

基于MPSO的RBF耦合算法的桩基动测参数辨识

变异粒子群优化算法（MPSO）是一种基于群体智能的改进全局优化技术,其优势在于减小陷入局部极值的机率,增加全局搜索能力。将变异粒子群算法与径向基函数（RBF）神经网络结构进行结合,建立了变异粒子群神经网络（MPSO-RBF）耦合算法,充分发挥了MPSO算法的全局寻优能力和RBF算法的局部搜索优势。数值计算结果表明,所建立的方法能够对桩基动测进行多参数的识别和非线性优化问题的求解,具有良好全局收敛能力,是一种行之有效的智能算法。     

改进微粒群算法在梯级电站长期优化调度中的应用

微粒群算法是一种简洁高效的智能优化算法，但基本算法容易陷入局部最优，并且搜索精度不高。本文在基本算法的基础上引入锦标赛选择机制和自适应惯性权重因子，提出了改进微粒群算法（MPSO）。将MPSO算法应用到黄河上游梯级电站的长期调度中，并与动态规划法和基本算法的调度结果相比较。实例表明了MPSO算法的有效性和可靠性，从而为梯级电站水库（群）长期优化调度提供了一种新的、有效的优化方法。     

双种群进化粒子群算法求解地下水管理模型

为避免粒子群算法(PSO)早熟的缺点,设计了一种双种群进化粒子群算法(DE-PSO)。DE-PSO是基于PSO,引入选择、交叉及差分变异操作,并结合合理有效的粒子评价方法及越界处理方法之后形成的。将DE-PSO应用于两个地下水管理模型算例,第一个算例DE-PSO解的总抽水量分别比遗传算法(GA)、模拟退火算法(SA)和PSO减少了64、256、207 m3/d,第二个算例DE-PSO解的总治理成本分别比GA、SA和PSO减少了57.74、151.93、76.59万元。两个算例中DE-PSO都表现出稳定的进化趋势,寻优效率好于GA、SA和PSO,可以有效求解地下水管理模型问题。     

育种进化的改进遗传算法在水电站负荷分配中的应用

针对遗传算法求解水电站负荷优化分配问题时常出现的收敛性差、易早熟等问题,提出一种基于育种进化的改进遗传算法。改进算法运用部分解约束的初始种群生成法避开空蚀振动区,定义了与群体进化程度有关的种群多样性函数和种群多样性阈值,同时有效地应用了遗传的全局搜索能力和育种的局部搜索能力。以三峡水电站为例与标准遗传算法进行了比较,不同的负荷分配结果表明:育种进化的改进遗传算法能够避开空蚀振动区的影响,保证机组的稳定安全运行;同时由于育种进化的强局部搜索能力,保持了种群的多样性,提高了算法的搜索能力和收敛性。     

基于Pareto强度进化算法的供水库群多目标优化调度

提出用Pareto强度进化算法解决供水库群的多目标优化调度问题,算法利用种群的进化过程模拟寻找非劣解集的过程,将供水库群多目标优化调度问题的解当作进化种群中的个体,按照解的Pareto强度值与密度进行适应度计算,利用种群中个体的进化操作获得非劣解,最终整个种群进化为非劣解集。实例分析结果表明,算法能实现多峰搜索,最终非劣解集的分布均匀,且收敛速度快,为解决供水库群多目标优化调度问题提供了一种有效的方法。     

梯级水电站多目标发电优化调度

以发电量和保证出力为目标建立梯级水电站的多目标发电优化调度模型,对三峡梯级中长期发电优化调度进行研究。针对传统方法求解多目标优化问题的局限,提出一种强度Pareto差分进化算法(Strength Pareto Differential Evolution,SPDE)用于求解梯级水电站的多目标发电优化调度问题。SPDE以差分进化算法(Differential Evolution,DE)为基础,采用SPEA2的适应度评价方法,并根据多目标优化的特点对DE的进化算子进行修正。同时,提出一种自适应柯西变异策略(Adaptive Cauchy Mutation,ACM)用于克服算法的早熟收敛问题。三峡梯级水电站实例研究结果表明,SPDE可同时考虑两个目标并有效处理复杂约束条件,一次运行即可得到一组在各目标分布均匀、分布范围广的非劣调度方案供决策者评价优选。     

三峡梯级枢纽多目标生态优化调度模型及其求解方法

针对三峡梯级枢纽综合效益的充分发挥及其对长江流域典型生态系统修复及持续改善的科学需求,通过分析发电效益与生态效益之间的制约竞争关系,以发电量最大和生态缺水量最小为目标建立了梯级电站多目标生态优化调度模型,对三峡梯级枢纽多目标生态优化调度进行了研究。同时,针对传统优化方法难以同时处理多个调度目标的固有缺陷,提出一种改进多目标差分进化算法对所构建模型进行高效求解。该方法针对差分进化算法在多目标协同优化和全局寻优能力等方面的不足,依据问题的特点重新设计了差分进化算法的进化算子,同时设计了一种多目标混沌搜索策略以加强算法的局部搜索能力。最后,依据多目标生态优化调度问题的特点设计了一种不需要设置惩罚因子的约束处理方法。通过三峡梯级枢纽多目标生态优化调度的实例应用,验证了本文所构建模型的合理性以及所提出算法的有效性和工程实用性。     

基于自适应粒子群优化算法的波阻抗反演方法

针对地震勘探资料依赖线性优化方法进行波阻抗反演不易得到全局极值的问题,提出一种改进的粒子群优化算法-自适应粒子群优化算法进行波阻抗反演。自适应粒子群优化算法是以群智能优化理论为基础,通过3种可能移动方向的带权值组合进行全局寻优。该方法搜索速度较快,且具有较强的全局寻优能力。通过函数测试和波阻抗反演的应用,结果表明,自适应粒子群优化算法是一种适应能力较强的全局优化算法,用该方法进行波阻抗反演是可行有效的。      

粒子群优化复合形法求解复杂土坡最小安全系数

为提高复合形法的寻优成功率,对初始复合形以及第一次出现“最坏点映射失败”之复形的顶点进行变异粒子群优化算法操作,搜索得到较优解,并替换掉当前复形中的一个顶点。利用最大复形中心距替换准则,产生新的复合形。对新的复形继续进行基本复合形法的计算,构成了基于变异粒子群优化的改进复合形法。对两个复杂土坡的最小安全系数的搜索表明,改进的复合形法具有较强的全局搜索能力。     

基于PSO和LSSVM的边坡稳定性评价方法

提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。     

基于改进遗传算法的边坡可靠度分析

采用基于概率的可靠性分析方法来分析边坡的稳定性,以克服目前大多数分析方法以确定性安全系数为评判标准的弊端。对于每次搜索中给定的滑移面,结合拉格朗日乘子法提出边坡可靠度的计算模型;采用遗传算法搜索关键滑移面,提出边坡的适应度函数。为克服标准遗传算法在进化过程中无法调节全局搜索和局部搜索速度、且可能陷入次优解的缺陷,改进了子代中最佳个体的确定方法,来并以相邻两代的群体多样性特征值增量为导向,动态调节交叉概率和变异概率,以保持群体的多样性和搜索的有效性。实例分析结果表明,本文方法可以提高遗传算法的搜索能力和收敛速度,保证解全局最优;该法适用于边坡稳定可靠度分析,且前处理简单;在遗传操作前预优化可靠指标计算模型能大大减少遗传算法中的计算量,节约机时。     

岩体结构面的多参数优势分组方法研究

岩体中的结构面对岩体的水力和力学性质有很大影响,因此,弄清岩体中结构面的发育规律是岩体稳定性评价的基础。当结构面的产状一致,其他性质不一致时,结构面的水力学特性和力学性质是不同的。而传统的结构面优势分组方法仅根据产状数据分组,无法分辨产状相同、其他性质不同的结构面。因此,提出了一种基于量子粒子群优化算法的多参数结构面的优势分组方法。该方法通过结构面的相似性度量建立目标函数,运用量子粒子群优化算法通过搜索目标函数的全局最优解来确定聚类中心,可用于结构面多个参数的优势分组。通过对计算机模拟的多参数结构面数据的分组,验证了该方法的可靠性。最后,将该方法应用于怒江松塔水电站坝址区实测的多参数结构面数据的划分,得到了符合实际的分组结果。     

S-wave velocity profiling from refraction microtremor Rayleigh wave dispersion curves via PSO inversion algorithm

The refraction microtremor method has been increasingly used as an appealing tool for investigating near surface S-wave structure. However, inversion, as a main stage in processing refraction microtremor data, is challenging for most local search methods due to its high nonlinearity. With the development of data optimization approaches, fast and easier techniques can be employed for processing geophysical data. Recently, particle swarm optimization algorithm has been used in many fields of studies. Use of particle swarm optimization in geophysical inverse problems is a relatively recent development which offers many advantages in dealing with the nonlinearity inherent in such applications. In this study, the reliability and efficiency of particle swarm optimization algorithm in the inversion of refraction microtremor data were investigated. A new framework was also proposed for the inversion of refraction microtremor Rayleigh wave dispersion curves. First, particle swarm optimization code in MATLAB was developed; then, in order to evaluate the efficiency and stability of proposed algorithm, two noise-free and two noise-corrupted synthetic datasets were inverted. Finally, particle swarm optimization inversion algorithm in refraction microtremor data was applied for geotechnical assessment in a case study in the area in city of Tabriz in northwest of Iran. The S-wave structure in the study area successfully delineated. Then, for evaluation, the estimated Vs profile was compared with downhole data available around of the considered area. It could be concluded that particle swarm optimization inversion algorithm is a suitable technique for inverting microtremor waves.     

水文地质参数反演的Hooke-Jeeves粒子群混合算法

水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度,而参数寻优结果很大程度上取决于寻优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法,算法的缺陷是后期搜索效率低劣。基于随机寻优算法的混合策略,引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术,有机融合粒子群算法与Hooke-Jeeves方法,提出一种适用于水文地质参数反演的HJPSO混合算法。应用研究表明,HJPSO混合算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。     

PSO-LSSVM模型在位移反分析中的应用

提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。     

基于椭球滑动体假定和三维简化JANBU法的边坡稳定分析

采用一般椭球体模拟三维土坡的滑动体,利用三维简化JANBU法计算其安全系数,该法假定各个条柱底面的滑动方向在水平面上的投影相等,借此可用一个变量来表达各个底滑面的滑动方向,简便易行。此外,综合借鉴粒子群优化算法和和声算法的优点,提出了改进的粒子群算法,并利用对2个三维土坡的最危险滑动体进行了搜索,与已有结果进行了对比分析,表明方法是可行有效的。