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中获得应用.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...     

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。     

实验室声发射三维定位及标本波速场各向导异性研究

根据慢度离差法的基本原理,给出由遗传算法确定ＡＥ空间位置、发生时刻及慢度离差５个的具体方法。结合实验条件,通过数值试验对定位误差等问题进行探讨,并对真实ＡＥ定位的误差分布给出统计上的圈定。数值试验结果表明,算法具有较高的精度和较好的收敛性及稳健性;探讨数量及布设方式对定位结果的优劣有影响,４个以上探头有记录时,即可得到理想的结果;大的定位误差主要来源于台陈外部少数“ＡＥ”的结果。到时测量的随机误差     

实验室声发射三维定位及标本波速场各向异性研究

根据慢度离差法的基本原理,给出由遗传算法确定AE空间位置、发生时刻及慢度离差5个参量的具体方法。结合实验条件,通过数值试验对定位误差等问题进行探讨,并对真实AE定位的误差分布给出统计上的圈定。数值试验结果表明,算法具有较高的精度和较好的收敛性及稳健性;探头数量及布设方式对定位结果的优劣有影响, 4个以上探头有记录时,即可得到理想的结果;大的定位误差主要来源于台阵外部少数“ AE”的结果。到时测量的随机误差小于最小测量时间单位的50%时,平均有97%的“AE”定位误差分布在3 mm 范围内,小于物理不可分辨精度(探头直径)。     

遗传算法在离散变量结构优化中的应用及其改进方案综述

简要介绍了遗传算法的基本原理，以及使用遗传算法进行离散变量结构优化的过程。针对传统的遗传算法在优化过程中的不足之处，介绍了几种改进方案，分别应用于遗传算法的编码、搜索、目标函数的生成等各个环节，以提高整个算法的执行效率。     

用遗传算法对自动控制系统数学模型寻优

探讨用遗传算法对数学模型进行优化。考虑到控制系统稳健性的要求，用遗传算法寻找出控制系统最佳稳定域，实现控制系统数学模型的寻优。阐述了用遗传算法求解问题的步骤和参数的价值，并用仿真实验对优化结果进行了检验。结果表明：在控制系统数学模型的优化中，遗传算法具有其他算法无可比拟的优越性。     

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。     

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。     

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。     

遗传算法及其在速度结构与震源联合反演中的应用

遗传算法是近年来发展较快的一种求解多参数非线性优化问题的有效方法。本文通过对遗传传算法的介绍。对该方法的发展现状及特点进行了分析,在此基础上,对遗传算法进行了改进：通过引入放大系统Ｋ。对目标函数进行压缩及扩展来提高遗传算法的搜索机制;     

微种群遗传算法优化结构振动控制

本文将微种群遗传算法应用到结构振动控制中，用遗传算法优化控制器，以解决一类用经典线性反馈控制无法解决的半主动控制的优化问题，该方法提出将非线性控制问题线性化，导出了简化过程，然后利用遗传算法求解，它具有利用微种群遗传算法全局寻优，并且对目标函数的性态要求较少的特点，数值算例表明，本文方法是有效的。     

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.     

基于Bootstrap方法确定岩土参数的标准值

提出一种基于Bootstrap重抽样技术的岩土参数标准值确定方法,将置信概率为95%对应的重抽样均值作为标准值,并通过一组实测土体的抗剪强度参数阐述标准值的确定方法和过程。对两个实例进行研究,分别探讨Bootstrap重抽样次数(即Bootstrap样本集大小)和原始数据的变异性对标准值精度和收敛性的影响。结果表明,基于Bootstrap方法确定的岩土参数标准值具有较好的收敛性和精度,当重抽样次数不小于100时,Bootstrap重抽样次数和原始样本的变异性对标准值的收敛性和精度不会产生显著影响。该方法能够有效地处理岩土参数的不确定性问题。     

波阻抗混合反演全局寻优与编码的实验研究

针对遗传算法用于波阻抗反演涉及多参数编码、以及对应遗传操作不易实现的问题,在广泛研究了遗传算法的各种编码方式、及其对应的选择方式、交叉方式以及变异方式特点的基础上,提出了采用二进制字符串编码、遗传操作为最优保存策略选择、多点交叉和非均匀变异的遗传算法,基于该算法形成了全局寻优的波阻抗混合反演方法。文中介绍了遗传算法的研究现状,例举了全局寻优交叉和变异的计算结果,给出了二进制字符串编码的主要程序段,用数值模型与实际资料验正了混合反演算法的有效性。     

遗传算法在地震定位中的应用

把遗传算法应用于地震定位,并与Ｐｏｗｅｌｌ算法和传统算法进行了比较,结果表明,遗传算法在地震定位中所给出的发震时刻精度较高,震源深度较可靠,对非 包围地震定位效果较好。     

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.