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。     

露天矿边坡破坏概率计算混合遗传算法

将数值优化中的Powell法引入遗传算法中 ,提出了一种新型的混合遗传算法 ,并针对新疆雅满苏露天铁矿上盘边坡 ,提出了一种新的露天矿边坡破坏概率分析方法 ,计算结果表明本文方法准确可靠 ,克服了传统方法易陷于局部最优解的缺点。     

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。     

基于统一强度理论的土石坝边坡稳定分析遗传算法

将非线性统一强度理论应用于土石坝边坡稳定分析中,考虑坝体各应力分量包括中间主应力对土质材料强度的影响,以区别于传统土石坝稳定分析中仅考虑剪切和拉伸极限强度的极限平衡法。提出了一个土石坝边坡稳定优化分析模型,并采用最优化遗传算法对土石坝边坡进行断裂面优化搜索。研究表明,统一强度理论中反映中间主应力效应系数值变化对坝体稳定安全系数有显著影响。利用遗传算法对土石坝边坡稳定进行分析时,不必事先假定滑裂面的形状,根据土石坝非线性统一强度理论的剪裂破坏准则进行滑裂面搜索。针对常规最优化方法容易陷入局部最优解的缺陷,基于MATLAB遗传算法工具箱对土石坝边坡稳定性进行分析,分析结果表明,统一强度理论结合遗传算法能克服常规最优化方法在寻优过程中一些缺陷,计算结果更自然合理。     

遗传算法在非线性地下水经济管理模型中的应用

通常采用基于梯度的数学规划方法求解地下水管理模型,如线性规划和非线性规划。但对于高度非线性、非凸的优化问题,尤其是涉及到经济或环境的地下水管理模型,传统方法难以有效地寻找全局最优解。本文介绍了一种求解非线性地下水资源管理模型的遗传算法,并以山东羊庄盆地分布参数地下水系统非线性管理模型为例,给出了用遗传算法在求解这类问题的一般步骤。结果表明该方法能快速有效地找到全局最优解。     

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。     

基于改进遗传算法的边坡可靠度分析

采用基于概率的可靠性分析方法来分析边坡的稳定性,以克服目前大多数分析方法以确定性安全系数为评判标准的弊端。对于每次搜索中给定的滑移面,结合拉格朗日乘子法提出边坡可靠度的计算模型;采用遗传算法搜索关键滑移面,提出边坡的适应度函数。为克服标准遗传算法在进化过程中无法调节全局搜索和局部搜索速度、且可能陷入次优解的缺陷,改进了子代中最佳个体的确定方法,来并以相邻两代的群体多样性特征值增量为导向,动态调节交叉概率和变异概率,以保持群体的多样性和搜索的有效性。实例分析结果表明,本文方法可以提高遗传算法的搜索能力和收敛速度,保证解全局最优;该法适用于边坡稳定可靠度分析,且前处理简单;在遗传操作前预优化可靠指标计算模型能大大减少遗传算法中的计算量,节约机时。     

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。     

福宁高速公路八尺门滑坡变形演化规律预测研究

将进化支持向量机方法用于边坡变形规律的研究,用遗传算法搜索支持向量机最优参数,避免了人为选择支持向量机参数的盲目性,提高了支持向量机的推广预测能力。利用这种方法预测边坡变形规律,并与监测到的历史数据进行对比,以便工程技术人员及时调整设计方案和施工,维护边坡的稳定性。工程实例表明,该方法具有预测精度高和实时性等特点,具有广阔的应用前景。     

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。      

基于交替迭代算法神经网络评价岩石边坡稳定性

目前边坡工程中常用的稳定性分析方法主要分为极限平衡法和数值分析法2大类，文章对它们各自的主要愿理、特点及其优缺点等进行了阐述。首先，根据经典边坡稳定分析方法存在的局限性，提出有必要建立基于人工神经网络的边坡稳定性预报方法。其次，针对经典算法BP网络存在的某些缺陷，提出了一种交替迭代算法神经网络，以提高其非线性映射能力和泛化能力。交替迭代神经网络算法通过解2个阶数比较低的线性代数方程组，逐步求得连接权值的。以此提高收敛速度，且有利于寻求最优解。作者用FORTRAN语言编制了程序。分析了建立边坡岩体稳定性预测网络模型的建立中应该注意的几个方面。最后，基于已有的40个岩石边坡工程实例进行所建立的神经网络的训练和边坡稳定的预报，结果表明文中所建立的边坡稳定性预报方法具有较高的预报准确度。     

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。     

混合加速遗传算法在流域模型参数优化中的应用

在实编码遗传算法中加入单纯形搜索算子和加速搜索算子,提出了混合加速遗传算法.通过实例对该法与其它一些遗传算法进行了比较.并在大坳流域模型的参数优选中得到成功的应用.结果表明,混合加速遗传算法具有直观、简便、快速及适用性强等特点,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优秀非线性优化方法.     

一种新的优化灌溉制度算法——自由搜索

应用现有典型算法求解灌溉制度优化设计模型时,由于各种算法本身存在着不足,可被接受的模型最优解往往不能够被成功搜索到。自由搜索(Free Search,FS)是一种新的优化算法,对其进行了适当改进,针对灌溉制度优化设计模型实例,在不同的可供水量下,应用FS算法对该模型进行求解。结果表明,FS算法表现出良好的稳健性和收敛性;与以往的动态规划逐次逼近法(DPSA)、遗传算法(GA)及混沌算法(CA)对该实例的寻优结果相比,FS算法提高了寻优精度。FS算法原理简单,操作简便,是一种较好的优化灌溉制度的新方法。     

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。