遗传算法在边坡抗震稳定性分析中的应用

根据遗传算法的思想和拟静力瑞典法基于圆弧滑动面的假定，提出一种用遗传算法搜索最危险滑动面及其对应的最小安全系数的方法。该方法模拟了生物遗传进化过程，克服了传统方法容易陷和局部极小值的缺点，是一种全局优化算法。并通过一个工程实例对其进行了验证。     

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。     

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.     

改进人工鱼群算法在边坡稳定性分析中的应用

人工鱼群算法是一种新的智能仿生算法。以瑞典条分法作为边坡稳定性分析模型,利用模拟退火算法对人工鱼群算法进行改进,提出了一种搜索边坡最危险滑动面及对应的最小安全系数的求解方法。该方法克服了传统优化方法容易陷入局部极值点的缺点,具有较高的计算精度,适用性强,搜索的最优解更具有全局性。最后通过工程实例进行计算,并与基本的人工鱼群算法、传统的计算方法以及GA算法进行对比分析,结果令人满意。     

基于遗传算法的边坡稳定性分析

边坡稳定性分析的关键是如何确定最危险滑动面。遗传算法是一种全局优化分析方法,克服了一般优化方法容易陷入局部最优解的缺点。由于工程实际中边坡几何形状的不规则和材料的非均匀性,真正的临界滑动面形状并不是都能用圆弧来准确描述的,研究任意型滑面情况下的稳定性很有必要。为更加合理地进行边坡的稳定性分析,利用遗传算法来搜索模拟边坡的最危险滑动面,在工程实例中进行具体应用,得到了非圆弧型滑动面,与其他软件计算结果对比,表明本文算法精度更高,适应性更广。     

基于MPGA的复杂应力状态边坡稳定性分析

极限平衡法在边坡稳定性分析中处于主导地位,该算法通常建立在一定的假设之上,没有考虑边坡土体的非线性应力-应变关系,不能用于未达到极限状态以及加固后边坡的稳定性分析。为了解决以上问题,将有限元计算与多种群遗传算法（MPGA）相结合,建立一种基于MPGA的复杂应力状态边坡稳定性分析通用模型,通过数值应力场求解安全系数,并为多种群遗传算法构建适应度函数;再利用多种群遗传算法为安全系数的计算提供滑移面。为了保证分析的高效、合理,根据滑移面发展趋势,动态产生初始滑移面,并增加一个滑移面约束条件。最后,通过均质边坡和软弱夹层边坡两个典型算例分析验证了该方法的合理性;通过分析土钉加固的软弱夹层边坡,证明了该方法可用于加固等复杂应力状态边坡的稳定性分析。     

基于改进遗传算法的地下空区边坡稳定性分析

以边坡稳定性计算的非圆弧滑动面条分法为基础,提出一种改进的遗传算法。在无需对边坡最危险滑动面的几何形状进行假设的前提下,自由搜索最危险滑动面及其对应的最小安全系数。通过工程实例,将改进方法与其他方法进行对比分析,结果表明：该方法不仅准确可靠,而且总能搜索到全局最优解。该实例也表明：在其他条件不变的情况下,地下空区是导致边坡失稳的主要因素。     

双重变异遗传算法及其在临界滑动面搜索中的应用

针对传统的优化算法难以在具有变量多、约束条件复杂、局部极值点多的边坡临界滑动面搜索中取得较好效果的问题,提出双重变异遗传算法（DMGA）。一方面,该算法通过探测变异操作提升算法的局部寻优能力,通过直接变异操作提升算法的全局寻优能力,两者的结合使算法能够在搜索的广度与深度上达到较好的平衡;另一方面,算法采用考虑个体适应度值与进化代数的自适应交叉概率及自适应变异概率,使算法在进化的早期能够增加种群的多样性,在进化的后期能够保护较优的个体不受破坏。将该算法与简化Bishop法相结合,对澳大利亚计算机应用协会（ACADS）提供的考核题及一个海堤边坡工程实例进行分析,计算结果表明：（1）对于均质边坡和非均质边坡,该方法均能准确搜索到边坡的临界滑动面及相应的安全系数;（2）与仅进行直接变异或探测变异的遗传算法相比,双重变异遗传算法具有更强的全局搜索能力及更好的鲁棒性,具有广阔的应用前景。     

边坡最危险滑动面全局搜索的模拟退火算法及改进

最危险滑动面的确定是边坡稳定性分析中一个至关重要的问题。利用模拟退火算法,结合简化Bishop法,进行边坡最危险滑动面的搜索。在分析模拟退火法中存在的不足及其根由的基础上,对算法进行了改进。通过计算机编程技术实现了改进的模拟退火算法。计算结果与典型算例对比证明：改进后的模拟退火算法能够有效避免局部最优解,方法具有实用性。     

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.     

并行组合模拟退火算法在边坡稳定分析中的应用

采用自适应有限元法分析边坡的应力场,然后应用并行组合模拟退火算法建立基于应力场的边坡任意形状临界滑动面的全局搜索方法。该方法适用于任意几何形状,不同岩土材料分层以及多种荷载作用的复杂边坡。并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的优化算法,它可以从多个初始点开始并行寻优,能以较快的速度找到全局最优解。通过工程实例分析,证明这种基于自适应有限元分析和并行组合模拟退火算法搜索边坡临界滑动面的方法可行、高效。     

土坡有限元稳定分析若干问题探讨

详细探讨了用有限元方法分析土坡稳定所遇到的问题及处理方法 ,主要包括: 有限元前后处理 ;有限元计算范围及网格划分对计算结果的影响 ;安全系数的定义 ;最危险滑动圆心位置及临界滑动面的形状等问题。     

基于遗传算法和模糊神经网络的边坡稳定性评价

边坡工程是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。影响边坡稳定性的因素复杂且具有随机性和模糊性。由于神经网络方法不仅能考虑定量因素,而且能考虑定性因素的影响,因而神经网络方法适用于解决非确定性的边坡稳定性评价问题。综合考虑影响边坡稳定性的各方面因素,建立了基于遗传算法的模糊神经网络模型,并利用大量工程资料对网络进行训练和测试。预测结果表明,该模型的预测精度明显高于目前同类方法。