关于遗传算法收敛性的注记

遗传算法是一种受到广泛注意的全局优化算法,已经在包括地震工程的很多领域获得应用。本文将结合这一算法的实际操作步骤,对简单遗传算法的不收敛性和包含最优个体保护策略的遗传算法的收敛性给出一个简要的证明。     

基于遗传算法的磁流变阻尼器模型参数识别

磁流变阻尼器是一种具有广阔应用前途的半主动控制装置,但其复杂的力学特性很难精确描述。非线性参数模型是一个相对简单并且能够很好地描述磁流变阻尼器力学特性的力学模型,但该模型既是非线性的、又是非解析的,参数识别十分困难。结合传统遗传算法良好的全局搜索能力和二分法可靠的收敛性,本文提出了一种改进的遗传算法——层次压缩遗传算法。对非线性参数模型的参数识别结果显示：层次压缩遗传算法简单可行,具有较高的识别精度。同时也验证了非线性参数模型描述磁流变阻尼器阻尼力特性的准确性。     

地球物理随机联合反演

基于场方程的地球物理联合反演隐含着两个基本过程:正演的联合与反演的联合。当用遗传算法解决这类问题时,它蕴含着一个反演的随机联合的过程,称之为随机联合反演。借鉴模拟退火和禁区搜索方法的思想,通过对遗传操作对象、操作过程以及迭代过程的改进,使改进后的遗传算法表现较快的收敛速率和良好的全局收敛性;通过模型数据的反演,从理论上证明改进的遗传算法能较好地解决非线性、复杂、大尺度离散反问题,使随机联合反演问题的解决成为可能。     

基于SMA-压电摩擦智能阻尼器的空间杆系结构优化控制

基于形状记忆合金(SMA)的超弹性特性和压电陶瓷(PZT)逆压电效应,设计了一种SMA-压电摩擦智能阻尼器。针对遗传算法局部搜索能力差,容易陷入早熟的缺陷,提出了一种改进的遗传算法,并以多模态控制性能指标作为优化准则,对一空间杆系结构的阻尼器布置进行了优化分析。采用线性二次型最优控制(LQR)算法,选取4个阻尼器,分析了未改进和改进后的两种最优布置方案对结构地震反应的控制效果。结果表明,改进后的遗传算法有更好的收敛性,更强的寻优能力,能使阻尼器得到更优的布置位置;改进的遗传算法得到的阻尼器优化布置方案可以更加有效地降低结构的地震峰值反应。     

基于混合自适应遗传算法的稳健全波形反演

地震全波形反演理论与技术虽已得到了广泛研究,但周波跳跃等问题的存在严重制约了常规全波形反演方法的实用化进程.基于遗传算法的全波形反演方法能够在一定程度上较好地缓解常规全波形反演面临的初始模型依赖性问题,但是当前方法仍存在收敛性和巨大的计算量问题.本文提出一种混合自适应遗传算法(HAGA),并提出基于HAGA的稳健全波形反演方法,该方法将基于HAGA的反演与基于共轭梯度法的常规全波形反演交替迭代进行,其可兼顾反演计算效率与精度.数值测试结果表明,局部与全局优化交替迭代的全波形反演方法集合了局部优化反演的高效与全局优化反演的稳定的优点,大大降低了全波形反演对初始模型的依赖性,能够有效的缓解常规全波形反演的周波跳跃问题.     

基于VSP直达波资料的粘弹介质参数遗传算法反演

粘弹性参数变得越来越重要,其反演算法也逐渐成为众多研究者的研究热点。而遗传算法是一种随机、自适应、启发式的算法, 具有很好的鲁棒性和全局收敛性, 本文基于VSP直达波方程,引入了遗传算法来进行粘弹参数反演, 首先将频率域直达波方程表示为复速度的函数,然后通过遗传算法反演出复速度。而复速度和品质因子又是复速度的函数,从而便可很容易的得出。但若直接反演复速度, 反演参数太多, 不容易实现, 所以又将复速度表示成参数C0和C∞的函数,以减少反演参数数量。最后给出了理论模型实验,以证明该算法的有效性。     

水下地磁导航中位场积分迭代法收敛性分析

位场积分迭代法是获取水下地磁数据库的基本技术,对水下地磁导航的实现提供了基础.该算法的收敛性问题没有严格的数学推导,通过压缩映像原理证明了位场积分迭代公式在满足一定条件时的收敛性问题,为获取海域水下磁场数据库的基本技术提供了理论依据.     

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.     

多种物理机制耦合作用下的储层介质参数反演研究

孔隙介质的黏弹性、孔隙流体的Biot流动和喷射流动是影响波传播的重要物理机制.本文分别基于弹性和黏弹性BISQ模型,利用自适应杂交遗传算法研究了多种物理机制耦合作用条件下储层介质参数反演.为了测试自适应杂交遗传算法的有效性,本文分别利用自适应杂交遗传算法和传统实数编码遗传算法对含有不同噪声的理论合成数据进行了反演试算.对比理论合成数据反演结果可知,自适应杂交遗传算法具有抗干扰能力强且收敛速度快的特点,是一种有效的储层介质参数反演方法.同时本文也利用不同频率尺度和不同温度条件下的P波和S波实测数据进行了联合反演.对比研究表明,黏弹性BISQ模型能够很好地解释不同频率尺度的波频散特征,不仅能够很好地预测P波速度,而且也能够很好地预测S波速度,从而证明了黏弹性BISQ模型能够准确地描述低频条件下的波频散.     

实数编码遗传算法在大地电磁测深二维反演中的应用

作为全局非线性优化的新方法之一的遗传算法,近年来已从生物工程流行到大地电磁测深资料解释中.然而,大地电磁反演问题具有不适定性,解的非唯一性.通过结合求解不适定问题的Tikhonov正则化方法,本文采用实数编码遗传算法求解大地电磁二维反演问题.此算法在构建目标函数时引入正则化的思想,利用遗传算法求解最优化问题.常规的基于局部线性化的最优化反演方法易使解陷入局部极小值,而且严重的依赖初始模型的选择.与传统线性化的迭代反演方法相比,实数编码遗传算法能够克服传统方法的不足且能获得更好的反演结果.通过对大地电磁测深理论模型进行计算,结果表明:该算法具有收敛速度快、解的精度高和避免出现早熟等优点,可用于大地电磁资料解释.     

用随机启发式优化算法反演2003年云南大姚地震断层面参数的比较研究

基于余震分布确定主震断层面的数学模型,以确定断层面的走向和倾角参数进行计算,研究了遗传算法、模拟退火算法、差分演化算法、粒子群算法等4种最优化反演方法的反演效果和可靠性。结果显示,在涉及到的反演参数较少和非线性不太严重时,4种方法都有较好的表现,差分演化算法、粒子群算法速度快,精度高,遗传算法速度较慢,精度较低,模拟退火由于缺乏并行机制,速度较慢,精度高于遗传算法。余震在求出的断层附近分布图直观地反映出4种方法的效果和可靠性。     

混沌遗传算法在高层结构风振控制优化中的应用研究

将混沌遗传算法(Chaos Genetic Algorithm,简称CGA)引入高层结构的风振控制优化中,对采用黏弹性阻尼器来控制风振响应的高层结构进行参数优化;用Matlab语言编制了均布法、迭代法、简单遗传算法(Simple Genetic Algorithm,简称SGA)和混沌遗传算法的风振控制优化分析程序;对9个高层结构进行风振控制优化,对比了算法程序的计算效率以及无控、均布、迭代、SGA和CGA工况下的结构风振响应。研究结果表明:混沌遗传算法可以应用于高层结构风振控制优化之中;混沌遗传算法的计算效率比简单遗传算法最高提升了29%;经混沌遗传算法优化后,黏弹性阻尼器附加给结构的附加阻尼比与均布和迭代相比最高分别提高了61%和22%,CGA工况的顶层加速度响应与均布和迭代法相比最高分别减小了14%和12%。为高层结构风振控制优化研究提供了新思路,具有一定的理论价值和实际意义。     

Multiscale island injection genetic algorithms for groundwater remediation

Genetic algorithms have been shown to be powerful tools for solving a wide variety of water resources optimization problems. Applying these approaches to complex, large-scale water resources applications can be difficult due to computational limitations, especially when a numerical model is needed to evaluate different solutions. This problem is particularly acute for solving field-scale groundwater remediation design problems, where fine spatial grids are often needed for accuracy. Finer grids usually improve the accuracy of the solutions, but they are also computationally expensive. In this paper we present multiscale island injection genetic algorithms (IIGAs), in which the optimization algorithms have different multiscale populations working on different islands (groups of processors) and periodically exchanging information. This new approach is tested using a field-scale pump-and-treat design problem at the Umatilla Army Depot in Oregon, USA. The performance of several variations of this approach is compared with the results of a simple genetic algorithm. The new approach found the same solution as much as 81% faster than the simple genetic algorithm and 9–53% faster than other previously formulated multiscale strategies. These findings indicate substantial promise for multiscale IIGA approaches to improve solution of complex water resources applications at the field scale.     

多导体柱微波成像的连续编码遗传算法

提出一种能同时重建多个二维良导体目标外形轮廓的新方法——连续编码遗传算法．将目标的横截面轮廓近似表达为三角级数形式,由边界条件得到一积分方程组,在此基础上将成像问题转化为约束优化问题,级数的各项系数为待优化量．积分方程组为约束条件,目标函数定义为实际测量的散射场与反演过程中得到的散射场之间的相对误差函数．采用连续编码遗传算法求解,优化过程通过选择、交叉、变异等遗传操作的选代而实现,待优化目标函数进行线性变换并采用模拟退火原理确定目标后表达为适应度函数,采用联赛选择与比例选择相结合的选择机制和单点交叉方式,变异操作通过对基因施加微小随机扰动实现．上一代中适应度最高的个体直接保留．数值模拟反演实验验证了方法的有效性．与其他反演方法相比,本法具有简单、通用、鲁棒性强等特点．     

应用遗传算法建立地震预报的分类体系初探

本文对模拟自然界生物进化过程的遗传算法和用它所建立的分类体系进行了简要介绍，并将它们应用于地震预报探索研究，建立了初步的地震预报分类体系，结果表明：采用具有自动学习和自相适应的方法，结合现有的研究成果，可以将地震活动性的时空参数结合起来综合考虑，获得较为优化的地震预报规则集。     

基于改进蚁群算法在面波频散曲线反演中的应用

为快速准确的反演得到近地表地层结构,将一种新颖而强大的非线性算法——蚁群算法引入到瑞雷波频散曲线领域,并对其进行相应的改进,改进蚁群算法的优点是运算效率快、精度高、算法简单、灵活易于实现,需要调节控制参数也较少。文中分别在无噪声\,含噪声以及实测数据进行反演测试,通过模型数据和实测数据表明,应用于瑞雷波反演中的改进蚁群算法在收敛速度与收敛精度之间能达到良好的平衡,所得解具有较高可信度。而且算法为促进所得解快速收敛到全局最优,在搜索中分全局搜索与局部搜索两个方式进行,能够有效地避免局部最优解产生。借助人工合成的瑞雷波数据以及真实观测数据,验证了改进蚁群算法在反演近地表剪切波速度时的有效性和通用性。此外,文中与遗传算法进行比较,得出改进蚁群算法具有高效性和高精度性的优点。     

Application of genetic BP network to discriminating earthquakes and explosions

Introduction Artificial Neural Network (ANN) is an important branch of artificial intelligence. It is proposed on the foundation of the study on modern neural science, is a man-made network that can implement some functions based on the mans comprehensive understanding for cerebral neural network (HAN, WANG, 1997). ANN is a mathematical model of simplified human brain neural network and is used to simulate the structures and functions of human brain neural network. ANN is a complex netw…     

Modified genetic algorithm with simulated annealing applied to optimal load dispatch of the Three Gorges Hydropower Plant in China

A method is presented for optimal load dispatch in large-scale hydropower plants using a genetic algorithm integrated with simulated annealing. The genetic algorithm overcomes dependence on an initial value and provides parallel processing and fast convergence, whereas simulated annealing prevents prematurity and retrieving of the local instead of the global optimum. Thus, the integrated genetic-simulated annealing algorithm improves efficiency and robustness to obtain solutions close to the global optimum. We evaluated the proposed algorithm to determine the optimal load dispatch of 32 units of the Three Gorges Hydropower Plant in China. Test results show that the minimum water consumption obtained using the proposed algorithm is similar to the optimum obtained from a previously proposed “improved” genetic algorithm when the total load of the plant is relatively high. However, for reduced load, the proposed algorithm clearly outperforms the “improved” genetic algorithm.     

结合灵敏度修正的遗传算法的结构损伤诊断

提出了1种结合灵敏度修正的遗传算法进行结构损伤诊断。在遗传算法计算过程中加入灵敏度修正操作,使遗传过程得以快速收敛并增加了识别准确性。利用4层平面框架进行数值模拟,识别结果表明,本文所提出的结构损伤识别方法比常规遗传算法有效。