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。     

用改进的十进制遗传算法确定土质边坡最危险滑面

基于瑞典圆弧法和简化Bishop条分法分析土质边坡的稳定性,以圆弧滑裂面与边坡面的左右交点的两个横坐标和以滑裂面圆心的纵坐标作为优化变量,采用了一种改进的十进制遗传算法对优化变量进行优化。这种改进的遗传算法是以简单的十进制遗传算法为基础,结合优体克隆操作、子体优生操作和多代调环操作。通过计算ACADS考核题验证,该方法有较强的自适应能力,具有收敛速度快、解的精度高和避免出现早熟等优点。     

基于改进的遗传算法边坡稳定性分析方法及其应用

在遗传算法和瑞典条分法的基础上,提出了对边坡临界滑裂面的搜索方法及其最小安全系数的求解方法.文中利用安全系数的倒数作为目标函数,可行域根据实际边坡的尺寸和经验给出,而且在计算过程中根据目标函数值进行调节,逐步缩小搜索空间,使搜索效率提高.算法中利用了十进制遗传算法的改进操作优体克隆操作和子体优生操作,提高了搜索的速度和精度.     

基于遗传－广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究

广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。     

基于模糊遗传算法的边坡稳定性分析

针对传统遗传算法存在收敛速度和早熟问题的现象,将模糊控制理论与遗传算法相结合,提出了基于模糊遗传算法的边坡稳定性分析方法.工程实例计算表明,本文方法不仅能克服传统方法容易陷入局部最小值的缺点,而且较SGA(简单遗传算法)有更高的搜索效率.     

地下水疏干井群优化设计的遗传算法

讨论了用遗传算法求解优化问题的基本原理、参数的确定方法及解题的基本步骤。通过对假设疏干井群优化设计管理模型的计算,讨论了遗传算法在地下水疏干井群优化设计中应用的有效性和优越性。     

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.     

水环境模型参数识别的一种新方法

通过在格雷码遗传算法进化过程中加入单纯形搜索算子,并利用格雷码遗传算法和单纯形法所得到的优秀个体群,作为变量新的变化范围,逐步缩小搜索空间,自动向最优解收缩,提出了水环境模型参数识别的一种新方法——格雷码混合加速遗传算法(GCHAGA),给出了实施该算法的详细步骤。对GCHAGA的收敛性和全局优化性进行了理论和实例分析,并在确定河流横向扩散系数等参数识别问题中,GCHAGA得到了精度较高的全局最优解。与格雷码遗传算法(GCGA)和常规优化方法相比,GCHAGA具有精度高、速度快和适用性强等特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性优化方法,可广泛应用于各种水环境优化问题中。     

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。     

改进的遗传算法在地下水数值模拟中的应用

地下水流数值模拟中的模型识别问题，可以转化为函数的最优化问题。鉴于遗传算法的特点，将之引入到地下水流数值法中，用以解决地下水数学模型的识别问题。在建立地下水数值模拟中模型识别问题的是优化模型后，采取将最优化模型中的目标函数嵌入到遗传算法适应度函数中的方法，实现遗传算法与地下水流数值法的耦合。基于优化模型和遗传算法的运算过程，编写计算程序，实现地下水数学模型的自动识别。根据在珲春盆地地下水资源评价实例中应用得到的结果，信纸证了改进的遗传算法在地下水数值模拟中应用的可行性与有效性。     

Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm

The genetic algorithm is useful for solving an inversion of complex nonlinear geophysical equations. The multi-point search of the genetic algorithm makes it easier to find a globally optimal solution and avoid falling into a local extremum. The search efficiency of the genetic algorithm is a key to producing successful solutions in a huge multi-parameter model space. The encoding mechanism of the genetic algorithm affects the searching processes in the evolution. Not all genetic operations perform perfectly in a search under either a binary or decimal encoding system. As such, a standard genetic algorithm (SGA) is sometimes unable to resolve an optimization problem such as a simple geophysical inversion. With the binary encoding system the operation of the crossover may produce more new individuals. The decimal encoding system, on the other hand, makes the mutation generate more new genes. This paper discusses approaches of exploiting the search potentials of genetic operations with different encoding systems and presents a hybrid-encoding mechanism for the genetic algorithm. This is referred to as the hybrid-encoding genetic algorithm (HEGA). The method is based on the routine in which the mutation operation is executed in decimal code and other operations in binary code. HEGA guarantees the birth of better genes by mutation processing with a high probability, so that it is beneficial for resolving the inversions of complicated problems. Synthetic and real-world examples demonstrate the advantages of using HEGA in the inversion of potential-field data.     

基于粒子群优化的岩土工程反分析研究

岩土工程优化反分析本质上看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,但由于优化反分析中多次调用正分析的特点使得整个算法的计算效率很低。为了提高优化反分析的计算效率,把一种计算效率更高的新型仿生算法--粒子群优化引入岩土工程反分析领域,提高反分析的计算效率。在此基础上,结合有限元数值分析技术,提出了一种新的岩土工程优化反分析算法--粒子群优化反分析。并通过一个简单算例验证了该法的有效性。     

一种求带约束的离散Minimax问题的区间算法

进一步讨论了目标函数和约束函数都是Lipsehitz连续的带约束的离散minimax问题，给出了罚函数的区间扩张，提出了解该约束离散minimax问题的区间算法。算法给出了问题的minimax值所在范围以及minimax点所在位置。定理和数值算倒说明该算法是可靠的。     

Weighted fuzzy kernel-clustering algorithm with adaptive differential evolution and its application on flood classification

Flood classification is the fundamental problem of flood risk analysis and plays an important role in flood disaster risk management. Considering the fact that flood classification is a problem of multi-attribute and multi-stage fuzzy synthetically evaluation, this paper mainly proposed the weighted fuzzy kernel-clustering algorithm (WFKCA) with adaptive differential evolution algorithm (ADE) to solve this problem. Firstly, WFKCA is detailed introduced, and then the differential evolution algorithm (DE) is applied for the fuzzy clustering, thus to obtain the better results. Taking into consideration the disadvantage of DE, ADE is present after the introduction of DE. Finally, the combination of WFKCA and ADE is applied for flood classification, and the results demonstrated the methodology is reasonable and reliable, thus provide a new effective approach for flood classification.     

混沌优化算法在土质边坡稳定性分析中的应用

确定边坡最危险滑动面并计算与之相对应的安全系数是边坡支护的重要任务。本文结合简化Bishop法,用一种新的智能优化算法混沌优化算法来搜索全局最优解。该方法利用混沌运动本身具有遍历性、随机性、规律性等内在特点,能在一定范围内按其自身规律不重复地遍历所有状态,易于跳出局部最优解,具有很强的全局搜索能力。通过坡高为12.3m的某电厂三层土质边坡的典型算例分析,并和遗传算法、枚举法计算结果对比可知,计算结果超于一致,其差值接近于0,因此混沌优化算法能在很高精度下搜索到全局最优解,能很好地解决边坡稳定性分析中的优化问题。     

病态线性方程组的简单迭代解法

针对地球物理反问题中经常碰到的病态线性方程组的求解问题。本文提出了一种简单迭代（ＳＩ）算法,从理论上证明了解序列收敛且收敛到方程组的真解,然后给出了几个算例,将计算结果与对付病态问题能力很强的ＣＧ类算法的结果进行了对比,结果表明：ＳＩ算法具有极强的抗病态能力,计算精度明显高于ＣＧ类算法,但计算速度稍低于后者     

天然岩体渗透系数反演研究

天然岩体存在很多裂隙,而水在这些裂隙中的渗流严重影响岩石工程的稳定性,因此确定天然岩体渗透系数具有重大的实际意义。反演方法是确定岩体渗透系数的一种较理想的方法,渗透系数反演可归结为一个复杂的非线性函数优化问题。由于采用传统优化技术存在不少问题,而目前采用的全局优化算法—遗传算法也存在本质的问题,因此,提出仿生算法-免疫进化规划进行岩体渗透系数反演,并用一个大坝坝基工程的算例证明了算法的有效性。结果表明,其方法可以在仅知道水头的条件下,得到接近实际的渗透系数值。     

相遇蚁群算法在边坡非圆弧临界滑动面搜索中的应用研究

边坡非圆弧临界滑动面搜索是边坡稳定计算中的一个关键问题,其实质为安全系数最小的滑动路径搜索问题,采用效果良好的路径搜索算法--蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点,基于蚂蚁正反向搜索相遇形成完整路径的原理,提出了一种相遇蚁群算法。将该算法用于边坡非圆弧滑动面搜索问题,提出了一种非圆弧临界滑动面搜索的新方法。通过2个边坡的算例计算及一个水库岸坡的工程应用,验证了新算法的有效性。计算结果表明,相遇蚁群算法无论是整个搜索范围还是从某一点起的搜索范围都要比一般蚁群算法大,所以相遇蚁群算法在搜索边坡临界滑动面时所得到解的多样性也要比一般蚁群算法好,因此,相遇蚁群算法的搜索范围能以较大的概率包含全局最优解,算法最终也能以较大概率搜索到全局最优解。最终,相遇蚁群算法可以在更大的范围内以更快的速度找到边坡的临界滑动面。