基于十进制遗传算法的含水层参数的反演

含水层参的反演是一个复杂的非线性优化问题，针对传统二进制遗传算法收敛性能差的缺陷，提出了反演含水层参数的十进制遗传算法.以直线隔水边界附近的井流模型为例，讨论了十进制遗传算法在含水层参数反演中的应用，并与二进制遗传算法的进行比较.结果表明，该方法在含水层参数的反演中不仅是可行的，而且具有较好的确定性和较高的精度;与二进制遗传算法相比，十进制遗传算法的收敛性较好，省时高效，且表示较为自然，容易引入相关领域知识.同时，结合实例的分析结果得出种群的规模对算法的收敛性没有明显的影响。     

基于遗传算法的流域退水曲线的研究

针对手绘推求流域退水曲线的不足,本文提出了一种基于遗传算法推求流域退水曲线的优化方法.可方便快捷的推求出较优的流域退水曲线,使得预报值与实测值误差最小;克服了传统绘线法费时、人为性较大的缺点,为流域退水曲线的推求提供了一种新的思路.实例表明,该方法计算速度快,预报精度高,也体现了遗传算法的全局寻优能力.算法也可编译成通用性的操作程序,推广应用于其他流域退水曲线的推求.     

流域水文模型参数识别的现代优化方法研究进展

水文参数优化是水文模型发展中的一个重要部分,针对水循环过程模拟中的流域水文模型参数识别的复杂优化问题,回顾了水文模型优化算法的发展历程,对国内外水文模型参数识别算法的最新进展进行了阐述.介绍了模拟退火算法、遗传算法、SCE-UA、粒子群算法等常用算法的参数设定及一般流程,并对编码遗传算法、单纯形混合加速遗传算法和运用融合技术的几种遗传算法以及其它几种常用算法在新安江模型中的优化结果进行了比较,认为混合加速遗传算法是一种较好的方法.在系统研究现代优化算法与传统优化算法的基础上,建立各种优化算法的融合技术和法则可能是进一步提高参数优化算法性能的方向.     

大地电磁实码广义遗传反演算法研究

大地电磁反演问题通常表述为目标函数最优化,难点是多参数、非线性和不适定性,局部和全局方法都不能实现快速全局优化[4].针对局部线性方法易使解陷入局部极值,严重依赖初始模型,而传统的遗传算法在优化应用中存在局部搜索能力弱、早熟收敛等问题.这里引进一种求解一维大地电磁测深反演问题的实数编码广义遗传算法.该算法利用拟网格法初始种群和综合交叉策略,克服了早熟收敛现象,从而提高了遗传寻优的效率.理论模型反演与其它方法比较,结果说明遗传算法具有不依赖初始模型,不容易陷入局部极小,多点多路径概率搜索,以及隐合并行性等优点.     

遗传算法在磁异常反演中的应用

遗传算法是一种约束随机优化方法。它与传统的确定性优化方法相比较,具有全局收敛,不计算目标函数偏导数等优点；与传统的随机优化方法相比较,具有搜索效率高以及隐含并行计算等优点。本文首先讨论了遗传算法的基本原理和迭加机算步骤,其次讨论了该方法在磁化强度约束反演问题中的应用效果。     

遗传算法在边坡稳定性分析中的应用

实际工程中的边坡往往具有不规则、非均匀性,本文提出采用遗传算法进行边坡稳定性分析,该法能够获得全局最优解,克服了传统方法容易陷入局部最优解的缺点,将该方法应用于工程实际,获得非圆弧型最危险滑动面,与传统方法进行对比,结果表明遗传算法所得结果精度更高,可靠性更好。     

地质统计学中变差函数参数估计的新方法

遗传算法是一种模拟生物进化规律的全局优化算法。对传统的遗传算法进行改进,并应用于地质统计学变差函数参数估计中。实例分析表明,该方法简便、通用,具有较高拟合精度,是非线性、不连续可微模型参数估计的方法     

井间地震速度反演的遗传算法

井间地震速度反演具有重要的意义,不仅对于准确圈定地下构造的传统地震勘探是重要的,而且速度的变化可以指示非背斜型的地层岩性圈闭.传统的射线追踪方法一般是先给出入射角,然后根据折射定律修改入射角以达到反演的目的.该方法对每条射线均需通过扫描确定入射角,计算量较大,对初始地质模型的要求较高.遗传算法具有全局收敛性,是一种不用梯度信息的优化方法,特别适用于大型的组合优化问题.采用多项式展开表示界面深度和速度,通过弯曲射线追踪算法来计算射线的旅行时间,利用遗传算法进行迭代优化,可以同时反演出地下复杂构造的界面形态和速度变化.该方法与网格化速度反演相比,减少了未知参数,较好地克服了多解性问题,试验结果表明,该方法可以达到较高的反演精度.     

改进的遗传算法在电测深反演中的应用

遗传算法是地球物理数据非线性反演中常用的方法,但在使用中所需内存较多,容易"早熟"或陷入局部极小。为了在电阻率测深反演中更好地使用遗传算法,提出了利用统计学建模获得精细初始模型后,再利用改进的遗传算法反演。改进了传统遗传算法评价解的方法、增加了局部目标函数并限制遗传基因的繁殖方向。对理论模型的反演计算证明改进的遗传算法可以减少计算量,改善电阻率测深的反演效果。     

退火遗传算法在边坡稳定性分析中的应用

在边坡稳定分析中,折线滑面的搜索是一个非常重要的环节.将模拟退火算法与遗传算法相结合,既发挥了遗传算法强大的全局搜索能力,同时利用模拟退火算法加强了遗传算法的局部求精能力.通过引入退火遗传算法很好地解决了滑坡临界折线滑动面搜索问题,为边坡的滑动面搜索提供一个新的解决方法,克服了常规方法的种种弊端.     

基因算法在地质分维数估计中的应用

介绍了估计了质分维数的传统基因算法的主要步骤及改进的基因算法,并通过实例与传统的线性最小二乘法和非线性叠代法进行了比较,表明该方法直观,简便,通用性强,并具有较高的拟合精度。     

Application of Seagull Optimization Algorithm Log Interpretation to Shale Gas Reservoir of Well H in Sichuan Basin Yuxi Block

Due to the diversity of mineral types in shale gas reservoirs, it is difficult to establish reservoir parameter volume model by conventional log interpretation methods. The optimization log interpretation method can evaluate complex lithology reservoirs effectively, and the key is optimization algorithm. With the newly proposed seagull optimization algorithm method, we calculate the mineral and physical parameters of shale gas reservoir in Well H of Yuxi block, Sichuan Basin, and compare with the genetic algorithm and the genetic algorithm-complex hybrid algorithm. It shows that calculation results of seagull optimization algorithm optimization log interpretation match well with core analysis data, and calculation error is small, calculation speed is fast. Seagull optimization algorithm also makes up for the shortcomings of premature convergence and easy to fall into local optimization of genetic algorithm, the need for secondary optimization and slow search speed of genetic-complex hybrid algorithm. It provides a reference for the application of seagull optimization algorithm in other shale gas reservoirs regions.     

Parameters optimization on DHSVM model based on a genetic algorithm

Due to the multiplicity of factors including weather, the underlying surface and human activities, the complexity of parameter optimization for a distributed hydrological model of a watershed land surface goes far beyond the capability of traditional optimization methods. The genetic algorithm is a new attempt to find a solution to this problem. A genetic algorithm design on the Distributed-Hydrology-Soil-Vegetation model (DHSVM) parameter optimization is illustrated in this paper by defining the encoding method, designing the fitness value function, devising the genetic operators, selecting the arithmetic parameters and identifying the arithmetic termination conditions. Finally, a case study of the optimization method is implemented on the Lushi Watershed of the Yellow River Basin and achieves satisfactory results of parameter estimation. The result shows that the genetic algorithm is feasible in optimizing parameters of the DHSVM model.     

组合评价模型在地下水水质评价中的应用

基于主观赋权法和客观赋权法对于水质评价有各自的优点和缺点,采用基于遗传算法的组合评价模型,通过该模型将多种评价方法进行组合,并利用遗传算法优化各评价方法的权重,根据评价指标函数值评价出各样本的优劣.通过对评价实例的对比分析,表明该组合评价模型的评价结果更符合实际.     

遗传算法在边坡地震稳定性分析中的应用

基于遗传算法和拟静力简化毕肖普法提出搜索地震作用下最危险滑动面及相应的最小安全系数的方法。阐述了应用遗传算法搜索最危险滑动面的计算过程和原理。开发了基于遗传算法的拟静力简化毕肖普数值法的计算和数据处理程序。在固定一个出逸点的情况下,分别绘制了有地震作用及没有地震作用下的安全系数分布图。数值算例表明,所建立的基于遗传算法的岩土边坡地震稳定性分析方法,是一种全局优化搜索算法,能够有效克服经典搜索方法易陷入局部极小值的缺点。从安全系数分布图可以看出,地震对安全系数分布情况影响很小,但扩大了安全系数低值区。     

蚁群算法与遗传算法融合及其在边坡临界滑动面搜索中的应用

临界滑动面搜索是边坡稳定性分析中一项非常重要的内容。相对于圆弧滑动面的确定,只需要圆心和半径3个未知量,非圆弧滑面的确定则需要找出若干个控制点,是一个多维空间的优化问题。非圆弧滑动面优化搜索问题相当复杂,常规优化算法往往达不到要求。改进了蚁群算法,使其具备在连续空间的搜索能力,并与遗传算法融合,形成优势互补,克服了遗传算法的无反馈能力导致无用的冗余迭代、求解效率低以及蚁群算法初期信息素匮乏导致算法速度慢的不足。通过与商用软件GEO-SLOPE的算例求解结果对比,来说明本算法的有效性。     

应用改进的遗传算法反演多层密度界面

利用具有全局优化功能的遗传算法直接反演多层密度界面.首先根据重力反演的特点对遗传算法进行改进, 使遗传算法基因交换过程中交换位置的确定同重力异常的拟合情况相结合, 给出适合于重力反演特点的遗传算法.然后利用改进后的遗传算法直接反演多层密度界面.理论模型和实际剖面的计算表明改进是有效的.      

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析是一个典型的复杂非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析     

遗传算法在边坡抗震稳定性分析中的应用

根据遗传算法的思想和拟静力瑞典法基于圆弧滑动面的假定，提出一种用遗传算法搜索最危险滑动面及其对应的最小安全系数的方法。该方法模拟了生物遗传进化过程，克服了传统方法容易陷和局部极小值的缺点，是一种全局优化算法。并通过一个工程实例对其进行了验证。     

基于遗传算法的新安江模型日模拟参数优选研究

在概念性水文模型的参数率定中,目前还没有一个传统优化方法能够提供保证足够高效和稳定性的算法。为了克服传统优化方法中局部收敛性的缺点,近年来利用遗传算法通过计算机准确稳定地进行概念性水文模型的参数优选的尝试得到越来越多的重视和发展。目前优选水文模型待定参数,大多是从次洪模型的方面去讨论,有关日模拟模型的遗传算法参数优选讨论的较少。本文系统分析了基于遗传算法的新安江模型日模拟参数的自动优选,同时针对遗传算法在模型参数众多的情况下时间效率低下问题,通过利用新安江模型参数分层原理与模型参数敏感性分析对优选结果影响,提出一套简化的日模型参数遗传算法优选方案。经过流域模拟检验,该优选方案可行,运行效率高,可以作为类似模型遗传算法参数率定快速、有效的方案。