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。     

对流扩散方程系数反演的改进遗传算法

在标准遗传算法的基础上,利用欧氏距离来判断个体之间的相似程度.通过竞争,相似程度高且适应度差的个体被淘汰, 并辅以随机交叉算子和随机变异算子, 构造出了一种改进的遗传算法.改进的遗传算法在迭代过程中既能有效保持群体的多样性, 避免出现局部极值, 提高遗传算法的内在并行性,又能通过竞争淘汰, 使搜索能力得到加强, 加快了搜索速度.实验表明,改进的遗传算法能有效的应用于对流扩散方程系数反问题的求解.     

复合遗传算法在爆破震动测试参数确定中的研究

阐述了遗传算法的基本原理,针对遗传算法在参数确定中局部搜索能力不强等问题,把单纯形加速法引入到遗传算法中,提出了复合遗传算法并对复合搜索理论进行了阐述,通过工程实例进行验证。数值计算结果表明,在爆破震动测试参数确定中,复合遗传算法对加大局部搜索速度、提高计算精度具有明显效果。     

自适应混合遗传算法在基坑支护结构优化中的实现

采用遗传算法对基坑支护结构进行优化设计,针对其早熟现象和局部搜索能力差的缺点改进遗传算法。使用自适应策略改进交叉算子与变异算子,在进化后期采用与位爬山法结合的混合遗传算法增强GA的局部搜索能力。对基坑支护结构建立优化设计数学模型,编制了基于遗传算法的基坑优化设计程序。通过实例分析,验证了改进策略的正确性。     

加速遗传算法在速度反演中的应用

这里介绍一种加速遗传算法,该算法通过提高计算效率改善了标准遗传算法,加速遗传算法在速度反演应用中具有更高的实用价值。加速遗传算法在每次加速循环中进行一次迭代,用部份最佳个体的边界值优化搜索范围,大大地提高了计算效率。在迭代完成后,进行混沌优化以提高反演精度。二种算法的反演计算结果说明,加速遗传算法性能优于标准遗传算法,无论针对简单速度模型还是复杂速度模型,加速遗传算法都是适用的。     

瞬变电磁反演中的非线性规划遗传算法

经典非线性规划算法的局部搜索能力较强,遗传算法采用选择、交叉和变异算子进行搜索,全局搜索能力较强,而局部搜索能力较弱。结合两种算法的优点,文中提出了一种非线性规划遗传算法(NPGA)。经过函数测试证明,该算法提高了遗传算法的搜索性能。设计了多个不同的地电模型,将该算法应用于瞬变电磁地电模型数据反演计算中,结果表明该算法具有较快的收敛速度和较高的计算精度,反演效果较好。     

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.     

土钉墙内部稳定性分析自适应禁忌变异遗传算法

针对土钉墙内部稳定性分析问题,提出一种能同时确定土钉墙任意形状最危险滑动面及相应安全系数的全局优化算法。首先,基于边坡极限平衡法中的Morgenstern-Price法,考虑土钉的加固作用,推导土钉墙安全系数计算公式。然后,分析简单遗传算法（SGA）和禁忌搜索算法（TSA）的不足,引进自适应遗传算法（AGA）,用禁忌变异算子替换自适应遗传算法中的标准变异算子,提出一种新型的混合优化算法--自适应禁忌变异遗传搜索算法（ATMGA）,并将其应用到土钉墙内部稳定性分析领域,建立土钉墙任意形状临界滑裂面稳定性分析优化算法。算例分析表明,（1）与单纯的SGA、TSA以及AGA相比,文中ATMGA法搜索效率高、收敛速度快且能准确地搜索到土钉墙最危险滑动面及其相应的最小安全系数;（2）土钉支护前、后临界滑面位置相差较大,建议在实际工程中对支护后基坑的临界滑面以及相应的安全系数进行重新搜索。     

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.     

波阻抗反演中的全局寻优策略

针对常规基于模型的波阻抗反演方法严重依赖于初始模型的选择和易陷入局部最优等局限性，提出了一种新的全局寻优策略。该反演策略是在常规测井约束反演的框架中加入一定次数的遗传全局搜索机制。如果迭代过程一旦陷入局部最优解；就可以把已经形成的局部最优解作为寻优的新起点，在此基础上进行全局遗传寻优，搜索更优的反演结果。通过模型数值计算和实际资料处理，表明该反演策略具有跳出初始模型控制的优良性能和良好的实际反演效果。     

地下矿体采动下的露天采场边坡稳定性研究

对于进入中晚期的露天金属矿,为了延长矿山的寿命或露天转地采稳产过渡,通常选择露天与地下联合开采,那么矿体采动下的边坡稳定性问题则尤为突出。在边坡几何形态、上部荷载和材料性质等不变的情况下,极限平衡获得的边坡安全系数为定值,因此,不能用来反映地下矿体采动对边坡稳定性影响。为了克服常规极限平衡方法的上述缺陷,采用基于边坡应力场的矢量和法求解滑动面的安全系数,结合蚁群算法与遗传算法联合搜索边坡临界滑动面,以确定矿体开采前后边坡的安全系数和临界滑动面。最后,给出一个假定算例和两个工程算例说明上述安全系数求解和临界滑面搜索方法的有效性,并揭示了地下矿体开采对露天采场边坡的稳定性的影响。     

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.     

GA解决多参数超大解空间优化问题的启发式搜索方法

遗传算法(GA)作为一种有效的全局寻优算法,由于其计算原理简单、搜索能力强、对搜索空间要求低等特点,在许多优化问题中得到了广泛地应用。这里讨论了遗传算法(GA)对多参数超大解空间优化问题的求解方法,重点探讨了提高GA搜索速度的方法,给出了几种启发式搜索策略,并应用于地震波反演这个典型的多参数超大解空间优化问题中,有效地提高了GA的搜索能力,加快了收敛速度。     

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。     

基于并行遗传算法的地震属性优化研究

系统介绍了遗传算法各步的改进策略。首先,产生多样化的初始群体,引入五进制的编码策略提高搜索速度,然后采用无退还随机选择机制防止收敛早熟,采取两点交叉及多点变异方案以扩大模型空间的搜索范围和保持个体的多样性。另外,为了保证算法的收敛,使用了代间隙技术。最后,按照并行算法设计原则给出改进后的并行遗传算法的算法描述,并通过运用改进的并行遗传算法解决了非线性、多参数、多极值的地震属性优化的实际问题。     

用遗传算法进行瑞利波反演

瑞利波反演属于非线性最优化问题,已有的局部线性化方法(如阻尼最小二乘法)常使解估计陷入目标函数的局部极小值之中,且严重地依赖初始模型.另外,目前被广泛应用的一些简单的瑞利波反演方法也存在明显的缺陷.全局优化法-遗传算法大大放松了对初始模型选择的要求,且不易陷入局部最优解中.本文用已有的简单宜行的反演解释方法获取初始模型,从而确定模型参数的搜索范围,再用遗传算法反演得到最终的介质模型,效果非常理想.