遗传算法在上地幔速度结构研究中的应用

遗传算法是近年来发展较快的一种求解非线性优化问题的有效方法。本文通过对遗传算法基本原理的介绍，对该方法的特点进行了分析。我们采用ＷＫＢＪ理论地震图作正演，遗传算法作反演，对用体波波形反演上地幔速度结构的方法进行了研究。在ＷＫＢＪ理论地震图的计算中，通过计算主要射线的平均吸收特征时间，考虑了衰减随距离的变化，通过对不同震源引入不同的虚拟界面，同时对多个地震的波形记录进行反演。探讨了观测误差对反演结果的影响。对理论记录的反演表明，用遗传算法研究上地幔速度结构具有较好的效果。     

基于遗传算法的震后交通无线通信系统应急信号优化调度方案

针对传统的应急信号优化调度方法存在执行任务时间较长、可靠度较低等问题,提出一种基于遗传算法的强震后交通无线通信系统应急信号优化调度方法。分别对强震后交通无线通信系统不同子节点的通信占用时间进行分割,通过判断任务调度表能否更新,构建以遗传算法的应急信号调度模型;结合模型的相关特点,引用遗传算法对应急信号调度模型进行求解,获取最优应急信号优化调度方案。仿真实验证明,所提方法对任务调度时间缩短方面进行了改善,对于应急信号调度可靠性也进行了调整。     

面波频散反演地球内部构造的遗传算法

介绍了一种新的算法--遗传算法的基本概念和特点，及其在地震面波反演地球内部构造中的应用，指出了使用遗传算法的注意事项．提出了通过对初步搜索结果参数分布直方图进行分析，从而修改和缩小进一步搜索的范围，逐步搜索以提高搜索效率的方法．并对３层含低速层的理论模型和青藏高原的实际频散资料进行遗传算法反演，获得了满意的结果．讨论了遗传算法在其他地震学问题中进一步应用的可能性．     

基于遗传算法的大地电磁阻抗张量分解方法研究

本文针对Groom-Bailey分解法在消除地表电性不均匀体对MT数据的畸变效应时存在的问题引入遗传算法,对基于传统线性最优化方法的GB分解算法进行改进,提出基于遗传算法的大地电磁阻抗张量分解方法.通过对理论合成数据以及三维/二维模型正演数据的分解试验,并且对青藏高原北缘阿尔金断裂地区实际MT数据进行分解处理,证明了基于遗传算法的GB分解能够更加有效地校正三维/二维情况下近地表三维电性不均匀体所造成的畸变影响.最后,在已有算法基础上,研究了基于遗传算法的多频率GB分解算法和MT数据静校正算法,并通过实际MT数据的处理证明了这些算法的有效性.     

结构模糊控制规则优化生成的遗传算法

本文采用实数个体编码解码、两点交叉、两点变异、保留最优个体的模糊遗传算法对模糊控制规则进行优化;其次,对三层框架结构的模糊遗传算法控制进行了仿真实验,同时,与经验规则的模糊控制效果进行了比较;最后,对结构模糊遗传算法的鲁棒性进行了仿真试验,进一步验证了本文所提方法的可行性和有效性.     

遗传算法在地球物理中的应用进展

简要介绍了遗传算法的基本原理及实现步骤；论述了遗传算法在地震数据处理中的AVO波、速度参数、静校正，波阻抗等方面的应用状况；概述了该方法在重力、电法、测井及磁力等非地震勘探的研究进展；最后讨论了遗传算法的优缺点，对遗传算法的发展及其在地球物理勘探中的进一步应用作了展望。     

高层建筑结构测点优化布置方法的研究

对高层建筑结构测点优化布置方法进行了研究,综合采用有效独立法和遗传算法进行了测点的优化布置。首先,采用有效独立法进行测点初步筛选,得到候选测点群;其次,利用遗传算法以基于振型相似度的适应度函数进行测点方案确定,并通过实际某高层结构模态测试的测点优化实例说明了具体的方法;然后,将方法得出的计算结果与单独利用有效独立法的计算结果进行对比,并对不同测点数的布点方案进行计算,结果表明:算法能在较少的遗传代数内得到优良的测点布置结果,有效的提高了优化布置测点的效率。     

多尺度逐次逼近退火遗传算法反演地壳速度结构

根据多尺度逐次逼近思想,建立了多尺度逐次逼近退火遗传算法.该方法能有效地解决遗传算法中存在的收敛"早熟"问题.采用该方法对一个高速异常体进行了数值模拟试验,并对青藏高原东北缘阿尼玛卿缝合带东段上部地壳速度结构实际资料进行了处理,结果表明,多尺度逐次逼近退火遗传算法能够较好地应用于地震走时层析成像研究.     

遗传算法在确定震源位置中的应用

地震定位需要震源的空间坐标和发震时刻，可以通过使观测走时和计算走时的拟合差达到最小来实现。遗传算法是解决此最优化问题的有效方法。本文对遗传算法确定震源位置的基本思路思路进行了说明和分析，讨论了拟合差随迭代次数的分布特征，最后，给出了最优化过程搜索震源位置在四维空间的分布。     

基于IGA算法的电阻率神经网络反演成像研究

为满足地球物理资料反演解释的高精度、快速、稳定的要求,本文结合免疫遗传算法寻优速度快和BP神经网络反演不依赖初始模型等优点,设计了一种将BP神经网络和免疫遗传算法进行有机结合的全局优化反演策略,并将该策略成功地应用于二维高密度电法数据反演.利用免疫遗传算法(Immune Genetic Algorithm,简称IGA)对神经网络的反演参数进行同步优化,提高了电阻率反演的精度.仿真和实验结果验证设计的全局优化反演策略取得了较好的效果,通过与线性反演方法和BP法以及遗传神经网络法等反演方法进行比较,得出该方法具有反演精度更高,反演时间更短等显著优势的结论.     

基于浮点遗传算法的近震定位方法

文中介绍了一种适用于基于浮点遗传算法的地震定位问题方法, 在该算法中选用了浮点基因表示方法、 参数和基因取值范围一致来避免编码解码, 提出了算法的动态结束条件及处理方法。 通过实际运算检验证明使用该方法来实现地震定位可以避免地震定位中的不稳定性和对初值的依赖性, 从而保证地震定位的可靠性和稳定性, 在时效方面也达到了相当的水平, 是一个具有实际使用价值的算法。     

Inverting reservoir parameters in a two-phase fractured medium with a niche genetic algorithm

In this paper we calculate a synthetic medium surface displacement response that is consistent with real measurement data by applying the least-square principle and a niche genetic algorithm to the parameters inversion problem of the wave equation in a two-phase medium. We propose a niche genetic multi-parameter (including porosity, solid phase density and fluid phase density) joint inversion algorithm based on a two-phase fractured medium in the BISQ model. We take the two-phase fractured medium of the BISQ model in a two-dimensional half space as an example, and carry out the numerical reservoir parameters inversion. Results show that this method is very convenient for solving the parameters inversion problem for the wave equation in a two-phase medium, and has the advantage of strong noise rejection. Relative to conventional genetic algorithms, the niche genetic algorithm based on a sharing function can not only significantly speed up the convergence, but also improve the inversion precision.     

P-P波及P-SV波叠前深度偏移速度模型建立方法

针对多波叠前深度偏移速度模型的建立问题,提出在CDP道集上利用互换原理组成伪地集作为叠前偏移速度分析的数据道集,先用叠前时间偏移方法求取层间互不影响的等效偏移速度模型,再用餐前深度偏移方法逐层求取层速度模型．对各层的速度质量、整个速度模型层位结构及速度横向变化,采用人机交互方式进行监控,并在速度叠代中引入全局寻优的遗传算法,使整个速度模型建立过程具有稳定、可靠和可视化的优点．经理论和实际资料处理结果证明,本方法是行之有效的．     

TTI介质各向异性参数多波反演与PS波AVO分析

把遗传算法引入到了TTI介质AVO信息反演各向异性参数的过程中,依据TTI介质PP波、PS波反射系数公式,建立Thomsen参数和TTI介质对称轴倾角、方位角的目标函数,分别通过PP波和PS波的反射系数反演出了各向异性参数和对称轴倾角、方位角等信息.文中对反演结果的精确度和稳定性进行了分析,发现PS波的反演结果优于PP波反演结果;对称轴倾角的反演准确性明显优于对称轴方位角.本文通过模型正演合理解释了这一现象的原因.最后,本文通过对PS波AVO梯度的研究,提出了利用PS波振幅定性分析TTI介质对称轴倾角的方法.     

自适应遗传算法配准三维数字样品模型及其CAD模型

通过包围盒的初始匹配和浮点数编码自适应遗传算法的精确匹配,实现了三维数字样品模型及其CAD模型的配准。初始匹配决定精确匹配空间变换参数的范围;精确匹配在搜索变换矩阵的6个变换参数过程中,采用最小二乘方法构造目标函数;遗传算法中引入种群多样性指标;在遗传操作的交叉算子和变异算子中引入该指标,并将该指标用于交叉概率和变异概率两个参数的调整,有效地克服了遗传算法的早收敛问题。实验结果表明该方法较好地解决了三维数字样品模型及其CAD模型的配准问题,且算法稳定,易于实现。     

应力张量反演的遗传算法及其在青藏高原东北缘的应用

为准确而快速地求解区域构造应力张量,构建了基于震源机制解反演应力张量的遗传算法策略,详细介绍了计算原理,分析了以断层面上剪应力方向和滑动方向的偏差为约束反演应力张量而忽略剪应力大小偏差对反演结果的影响,表明仅考虑剪应力方向和滑动方向的偏差就可以得到正确结果.利用不同应力状态下人工合成的包含不同噪声水平的震源机制数据对该方法进行检验,并与网格搜索法得到的结果比较.表明本文方法所得结果的拟合差均小于网格搜索法结果的拟合差,并且二者相差较小,体现了本文方法的稳健性.将该方法应用于青藏高原东北缘(103-106°E,34.5-37.5°N)应力张量的估计,结果显示,该区域主要受控于青藏高原近东西向的挤压,从而导致阿拉善块体以及华南块体方向的拉张,并且向华南块体方向的拉张作用强于向阿拉善块体的拉张作用.     

基于经验遗传-单纯形算法和结构模态参数识别结构物理参数的方法

对于复杂的大自由度系统的反演分析,遗传算法每步计算中包含大量的正演分析,成为限制遗传算法应用的运行速度的瓶颈。减少反演分析中的正演计算次数,是扩大遗传算法适用范围的有效途径。经验遗传-单纯形算法正是解决这一问题的一种有效方法。本文将这一方法应用于不完全模态参数已知条件下的结构物理参数识别研究。结果表明:本文建议的方法有精度和搜索效率高、对初值选取依赖性不强、可以反映"残缺"的高阶模态信息等优点。     

自组织竞争网络模型在地震预报研究中的应用

本文简述了自组织竞争模型的原理，研究了其在地震预报样本分类中的应用。并采用遗传算法对其网络结构参数进行优化，对输入样本参数进行优选。震例检验结果显示自组织竞争网络具有较好的分类效果，经遗传算法优化后的模型分类效果得到进一步改善。     

Hybrid genetic algorithms in view of the evolution theories with application for the electrical sounding method

The classical genetic algorithm is a stochastic process which operates by natural selection. Although the algorithm may localize a point around the global minimum of the misfit function, it is not efficient at finding the precise solution. This paper suggests some hybrid genetic algorithms, derived from evolution theories, to overcome this problem. Firstly, sexual selection has been incorporated in the classical genetic algorithm to obtain a full representation of the Darwinist evolution concept. The simulation of sexual selection is performed by assigning a higher probability of surviving to some parameters that satisfy some algebraic relationships. This method is called the ‘marked constraints’ algorithm since it permits us to insert geological and geophysical constraints into the problem. The algorithm implementation is realized by progressively shrinking the parameter search space through successive generations. In this way, the genetic algorithm gains some degree of determinism. Secondly, since the evolution theory of Lamarck postulates that the acquired traits are passed on to the next generation, a hybrid use of the damped least‐squares method and the genetic algorithm is called Lamarckian inversion. Lamarckian inversion involves some improvement procedures that simulate the reduction of the misfit with the help of a derivative‐based method between two generations. Finally, although there is no correspondence in nature, Lamarckian and Darwinist evolution concepts are combined to strengthen the deterministic part of the solution algorithm. This is called the Lamarckian‐marked‐constraint algorithm. The merits and behaviours of the suggested algorithms are discussed using two examples. The first is a hypothetical example affected by a multiminima problem. The second examines the equivalence problem using vertical electrical sounding data.