边坡最危险滑动面全局搜索的模拟退火算法及改进

最危险滑动面的确定是边坡稳定性分析中一个至关重要的问题。利用模拟退火算法,结合简化Bishop法,进行边坡最危险滑动面的搜索。在分析模拟退火法中存在的不足及其根由的基础上,对算法进行了改进。通过计算机编程技术实现了改进的模拟退火算法。计算结果与典型算例对比证明：改进后的模拟退火算法能够有效避免局部最优解,方法具有实用性。     

大地电磁测深拟二维模拟退火约束反演

大地电磁测深(MT)资料解释的核心是反演问题,其反演方法可分为两大类:局部方法和全局方法。局部方法基于最小方差原理,依赖于目标函数的导数求解,因而其解依赖于初始模型,容易陷入局部极值,难以得到全局最优解。全局方法如模拟退火算法,它是近年发展起来的全局最优化算法。其主要优点是:不用求目标函数的偏导数及解大型矩阵方程组,即能找到一个全局最优解,而且易于加入约束条件,方法易于移植。目前模拟退火算法已开始用于解决非线性地球物理反演问题,但还存在计算效率低的缺陷。以快速模拟退火算法为基础,对大地电磁测深理论数据及实际资料进行快速模拟退火约束多参量的反演,效果较为理想。对H型地电断面的理论曲线反演和根据某盆地预探井实际资料对中生界厚度及基底埋深的反演作了举例说明。     

岩石复电阻率Dias模型及其参数求取方法

Dias模型是众多描述岩石复电阻率的频散特性模型中的一种,它不但参数少,且可由这些参数导出具有特定物理意义的参数。针对Dias模型参数的求取及反演解的不确定性评价,这里提出了一种模拟退火阻尼最小二乘联合反演方法。该方法首先将参数求解空间离散化,利用模拟退火找到全局最优解区间,然后利用阻尼最小二乘法在解空间进行求解。该方法有效地克服了原来两种方法的反演速度慢、反演结果依赖于初值的缺点,并实现了对反演结果多解性的评价。研究结果表明,对于岩石复电阻率数据的处理解释,Dias模型的使用比传统的Cole模型及其变形更具有潜在的优势。     

并行组合模拟退火算法在边坡稳定分析中的应用

采用自适应有限元法分析边坡的应力场,然后应用并行组合模拟退火算法建立基于应力场的边坡任意形状临界滑动面的全局搜索方法。该方法适用于任意几何形状,不同岩土材料分层以及多种荷载作用的复杂边坡。并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的优化算法,它可以从多个初始点开始并行寻优,能以较快的速度找到全局最优解。通过工程实例分析,证明这种基于自适应有限元分析和并行组合模拟退火算法搜索边坡临界滑动面的方法可行、高效。     

复合形模拟退火算法及其在水泥土墙优化设计中的应用

将传统优化方法中的复合形法和智能优化方法中的模拟退火算法有机结合,得到一种新型的智能计算方法-复合形模拟退火算法。仿真分析表明它比单一的复合形法和模拟退火算法搜索性能更优。按照我国现行规范建立了水泥土墙优化设计数学模型,探讨了提出的复合形模拟退火算法在水泥土墙支护结构参数优化设计中的应用。给出了工程计算实例,其计算结果验证了方法的可行性和可靠性。还讨论了基坑内被动土压力区的加固对水泥土墙的嵌固深度和有效宽度的影响。     

改进的模拟退火方法及其在电阻率图像重建中的应用

实际中的大量地球物理反演都是一个多参数、非线性优化问题,以往的局部方法只是利用有限的信息来改进初始模型,因此对初始模型有很大的依赖性,难以得到全局最优解。针对这一问题,本文选择全局反演方法中的模拟退火和单纯形的组合算法,改进了模拟退火和单纯形算法的匹配技术,并将它引入到电阻成像反演问题中。     

群居蜘蛛优化算法在水文频率分析中的应用

水文频率分析在参数估计过程中常采用智能优化适线法,如蚁群算法、遗传算法、粒子群算法、模拟退火算法等,但这些算法模型参数难以有效确定,导致寻优结果存在不稳定的不足。为了克服传统优化适线法的缺陷,在系统阐述群居蜘蛛优化算法基本原理的基础上,将群居蜘蛛优化算法用于水文频率曲线的参数确定中,并与传统的参数估计方法(矩法、权函数法、概率权重矩法、遗传算法)加以比较。实例结果表明,该方法搜索效率高,寻优结果稳定,能较好获得参数的最优解。     

模拟退火算法反演水文地质参数算例研究

基于模拟退火算法(SA)这一全局优化技术,耦合地下水模拟的有限元模型,给出水文地质参数的反演方法.并用水文地质参数反演算例来验证反演模型的可用性和适用性.结果表明,用"变尺度"产生新的渗透系数反演结果明显优于"随机法",当初始温度在500～650、降温系数在0.92～O.95时,模拟退火法在正常情况获得了很好的反演结果,在考虑减少观测孔个数和观测水头值有误差的情况下,也取得了较为满意的反演结果.为了提高运算效率,可考虑与传统反演方法或其它人工智能算法相结合.     

应用单纯形-模拟退火混合算法估计河流水质参数

将由单纯形法(SM)与模拟退火(SA)两种算法构成的混合算法(SMSA),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,估计河流水质参数的函数优化问题。分别就不同的降温指数、内循环次数与新状态产生函数中的扰动系数等算法控制参数对混合算法和改进模拟退火法的收敛速度的影响,进行了数值实验。结果表明,SMSA混合优化算法对于求解估计河流水质参数的函数优化问题是非常有效的。在实验条件下,与单一具有记忆功能的改进模拟退火法的水质参数计算结果相比较,SMSA混合算法具有:①混合算法的收敛速度明显优于改进模拟退火法;②降温指数和内循环次数对SMSA混合算法的收敛速度影响非常微弱;③新状态产生函数中的随机扰动幅度大小对算法收敛速度具有较为明显的影响等特点。     

直接搜索-模拟退火法在水污染控制系统规划中的应用

在研究新近发展起来的模拟退火算法及其各种改进算法的基础上,提出并构造了一种水污染控制规划的以记忆为基础的直接搜索 模拟退火算法(DSA),并将其应用于新疆乌鲁木齐水磨河排放口最优化处理规划中,在满足水质要求的同时,得到了更优的全局最优解。DSA具有编程简单、易实现、运算效率高、运用方便、结果稳定等优点,为水污染控制系统规划提供了一个新的方法,具有很好的应用前景。     

A comparative performance of least-square method and very fast simulated annealing global optimization method for interpretation of self-potential anomaly over 2-D inclined sheet type structure

Inversion of self-potential anomaly for 2-D inclined sheets of infinite horizontal extent has been studied. Least-square inversion and very fast simulated annealing global optimization has been used to model the five parameters of self potential anomaly. The method of least square and very fast simulated annealing global optimization method is compared and analyzed. Very fast simulated annealing can model the noisy and field data of self potential anomaly very precisely than linear inversion technique. However, time taken by very fast simulated annealing inversion is larger than linearized inversion. The comparative analysis has been done on synthetic data (noise free and noisy) and two field data from Bavarian woods anomaly, Germany and Surda anomaly, India to show the efficacy of both the methods. The estimated parameters were compared with those from previous studies using various global optimization algorithms, mainly neural network, genetic algorithm and particle swarm optimization on the same field data sets. It can be concluded that the global optimization algorithms considered in this study were able to yield compatible solutions with those from least-square methods. The present global optimization method is in good agreement with the other global optimization methods in terms of results and computation time.     

一维层状介质大地电磁模拟退火反演法

大地电磁模拟退火反演法是一种最优化的非线性反演方法,与传统的线性反演方法相比该方法具有：（１）不依赖于初始模型的选择;（２）能寻找全局最小点而不陷入局部极小;（３）在反演过程中不用计算雅可比偏数矩阵等优点;通过对各种类型的大地电磁测深理论曲线试算,结果表明模拟退火法能准确地自动反演地电参数（地层电阻率,厚度）最后对实际资料进行了处理,取得了较好的效果。     

长江源生态环境问题与可持续发展对策

长江源自然环境严酷,以草原退化、森林萎缩、水土流失、气候暖旱化、冰川退缩、雪灾频繁为代表的生态环境退化正在进行。宜采用保护、恢复和改善林草植被系统来对其进行综合整治。     

改进快速模拟退火方法进行AVO岩性参数反演

以广义波乐兹曼的吉布斯（Ｂｏｌｔｚｍａｎｎ－Ｇｉｂｂｓ）统计理论为基础,将数认（ｎｕｍｃｒａｌ）和依赖于温度的似柯西（Ｇａｕｃｈｙ）分布相结合建立一种新的扰动模型,改进接受概率,提出了一种非常快速模拟退火法（ｖｅｒｙ ｆａｓｔ ｓｉｍｕｌａｔｅｄ ａｎｎｅａｌｉｎｇ）。通过多参数的振幅随炮检距变化（ＡＶＯ）的合成数据和实际投资试算结果表明,该方法能在高温下进行大范围内的搜寻,解的稳定性好和抗随机干     

基于SAGA-FCM的煤与瓦斯突出预测方法

为提高模糊C-均值聚类（Fuzzy C-Means Clustering Algorithm,FCM）算法在煤与瓦斯突出预测中的准确度,提出一种将模拟退火算法（Simulated Annealing Algorithm,SA）与遗传算法（Genetic Algorithm,GA）相结合用于模糊C-均值聚类分析的煤与瓦斯突出预测方法。该方法综合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法优化后的初始值赋给FCM,避免了由于聚类中心初始值选择不当造成FCM算法收敛到局部极小点上。结合典型突出矿井数据进行分析,结果表明:遗传模拟退火算法优化后的FCM算法较单一,预测准确度高。      

引入退火机制的智能单粒子算法在复杂边坡最危险滑动面搜索中的应用

复杂边坡的安全系数可能存在多个局部极小值点,如何确定边坡的最小安全系数是复杂边坡稳定性分析中的一个关键问题.本文结合简化Bishop法,采用一种新的启发式全局优化算法--智能单粒子算法(ISP0)来搜索复杂边坡的最危险滑动面.为帮助该算法快速跳出局部极值点,本文将模拟退火(SA)机制引入到智能单粒子算法中,结合了两种算...     

改进人工鱼群算法在边坡稳定性分析中的应用

人工鱼群算法是一种新的智能仿生算法。以瑞典条分法作为边坡稳定性分析模型,利用模拟退火算法对人工鱼群算法进行改进,提出了一种搜索边坡最危险滑动面及对应的最小安全系数的求解方法。该方法克服了传统优化方法容易陷入局部极值点的缺点,具有较高的计算精度,适用性强,搜索的最优解更具有全局性。最后通过工程实例进行计算,并与基本的人工鱼群算法、传统的计算方法以及GA算法进行对比分析,结果令人满意。      

波阻抗约束反演的几种方法

介绍三种理论与实际效果比较好的波阻抗反演方法,即宽带约束反演(BCI)、快速模拟退火算法(FSA)和正则化方法。BCI是一种线性迭代方法,FSA是一种具有全局寻优特点的随机搜索方法,正则化方法是通过对目标函数施加先验约束,来解决反演的病态问题———多解性和不稳定性。最后,使用正则化方法并结合快速模拟退火算法,进行了理论模型试算和实际资料处理,实用效果比较好。