多维连续参数的随机试验蚁群算法优化反演分析

针对一般蚁群算法难以求解优化反演中的多维连续参数优化问题,借鉴进化思想,提出随机试验蚁群算法求解多维连续参数全局优化问题的方法。该方法主要运用随机试验求出每个参数的任一水平对目标函数的影响度,以此影响度为蚂蚁选择下一个参数水平的能见度,从而确定参数水平被选中的概率。同时考虑到当参数被划分的水平很多时目标函数收敛较慢的缺点,提出用方差分析法来确定参数的水平对目标函数的影响是否显著,将对目标函数影响不显著的参数水平其信息素设置为很小的值,从而加速目标函数的收敛。通过对一个岩土工程优化实例,表明了该算法的有效性。     

蚁群算法在水库优化调度中的应用

提出了一种新的随机启发式搜索算法——蚁群算法。算法利用蚂蚁群体相互协作机制寻找水库优化问题的最优解。算法中引入状态转移规则、信息素更新规则和领域搜索以获取最优解,所有蚂蚁个体完成单次寻优后,按照信息素更新规则更新信息素。该过程不断迭代,直到满足迭代终止条件。文中实例计算表明,相对于动态规划,该算法计算速度快、收敛性好,提高了计算效率,较好的解决了传统的动态规划方法求解水库(群)优化调度问题存在"维数灾"问题。     

Pareto强度指标遗传算法求解地下水模拟-优化模型

针对地下水模拟-优化模型约束优化的特点,本文结合最小代数代沟模型和Pareto强度指标概念,引入一种求解地下水模拟-优化模型的新型实数编码遗传算法,该算法将罚函数法求解约束优化问题的目标函数和违反约束条件的程度函数的权组合方式改为向量组合形式,从而将约束优化问题转化为两目标优化问题进行求解。通过经典地下水算例与其他优化方法的比较分析表明了新算法的可靠性、通用性和稳健性。     

确定多重现期暴雨公式参数的二次优化算法

四参数非线性多重现期暴雨公式在城市排水规划设计中有着广泛的应用。搜索算法与最小二乘法是优化计算的两个简单有效的方法,不过单独直接用于求解四参数非线性多重现期暴雨公式的参数比较困难。提出耦合最小二乘法及搜索算法确定多重现期暴雨公式参数的二次优化算法,该方法可以一次得到多重现期暴雨强度公式的参数,参数优化过程不需要图解。研究表明,计算结果比较客观;成果精度高,例题的平均绝对均方差为0.035mm/min。与遗传算法、蚁群算法等比较,该方法计算原理容易理解,计算简便,可以用Excel进行参数优化计算。     

土质边坡失稳判别的CA-AA耦合模型

解决边坡稳定性问题的关键是确定最危险滑动面(潜在最危险滑动面)和边坡的稳定系数。将蚁群算法用于求解土质的边坡稳定性问题。针对蚁群算法在演化过程中存在停滞和过早收敛的现象,对基本蚁群算法的结构形式和蚂蚁转移概率的计算进行了改进。构建了一种新的蚁群算法——元胞蚁群算法(CA-AA)。在文武坡边坡稳定性判别中,利用CA-AA法计算得到其稳定系数为1.37,略小于《岩土工程勘察规范》不平衡推力法计算值,弥补了不平衡推力法的不足,更接近实际。算例结果表明:元胞蚁群算法(CA-AA)总能搜索到问题的全局最优解,且搜索效率也有较大的提高。     

基于免疫粒子群算法的马斯京根模型参数识别

目前在河道汇流计算中广泛应用的是马斯京根模型,该模型参数的优化求解是影响能否精确模拟实测水文过程的关键问题.以往的模型参数求解大多采用试错法、矩法等方法,计算过程繁琐,计算精度不高,影响到模型的模拟精度.针对此类问题,笔者将免疫原理与粒子群优化算法有机结合.提出了免疫粒子群优化新方法,有效解决了传统方法的计算结果精度不高的问题,并在马斯京根模型参数优化求解中得以应用,结果表明免疫粒子群算法的计算结果精度令人满意,为河道洪水演算方面研究提供了一种新的研究方法和研究模式.     

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。     

仿生算法在地下水模型反演中的应用现状与展望

求解地下水逆问题是水文地质学研究的重要内容,传统的基于非线性优化技术的求解地下水逆问题的方法存在收敛速度慢,寻优效率低,易陷入局部最优的缺点。基于模仿生物功能和习性而开发的人工神经网络、遗传算法、蚁群算法、粒子群算法、入侵杂草算法、免疫算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、蝙蝠算法、布谷鸟算法和果蝇优化算法、蚊子算法、螳螂算法、人工鱼群算法、捕鱼策略算法等仿生算法具有很强的优化能力和寻优效率。人工神经网络、遗传算法、蚁群算法、粒子群算法等4种仿生算法在求解地下水逆问题的应用实践表明,这些方法可以按较大的概率找到全局最优解,且收敛速度较快。确定适当的目标函数转换形式和算法参数,其它仿生算法也完全可以用于地下水模型反演。从这些算法的理论和已应用于其它领域的实践来看,仿生算法在求解地下水逆问题中具有广阔前景。     

水文地质参数识别的连续禁忌搜索改进算法

水文地质参数的正确与否是构建地下水数值模型的根本,而参数寻优结果很大程度上取决于优化算法的选择。禁忌搜索算法是一种广泛应用于组合优化问题的启发式全局寻优算法,但在连续函数优化领域应用比较少。基于上述考虑,本文首先引入求解连续函数优化问题的连续禁忌搜索算法并对其进行改进,进而提出一种连续禁忌搜索改进算法(ICTS),最后将其与地下水模型耦合进行水文地质参数识别。算例研究表明,ICTS算法较其他算法(CTS,SGA,Micro-GA,PSO)求解效率提高1.87～4.64倍,求解精度提高1.08～12.86倍。因此ICTS算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。     

基于改进遗传算法的Holt-Winters模型在采空沉陷预测中的应用

针对遗传算法存在的缺陷,提出了用小生境方法改进遗传算法。为了提高采空沉陷预测精度,借助Holt-Winters模型的预测功能,应用改进遗传算法求解和优化Holt-Winters模型组合参数,形成了改进遗传算法-Holt-Winters模型组合算法。将组合算法应用于长平高速公路采空区路段沉陷预测,计算表明：改进遗传算法弥补了传统遗传算法易早熟、局部寻优能力弱的缺陷;改进遗传算法-Holt-Winters模型组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预测结果相对误差在2%以内,预测精度显著提高;在采空沉陷中长期预测的相对误差小于0.79%,该算法可用于中长期采空沉陷预测。     

基于蚁群算法的含水层参数识别方法

根据渗流场的水头和流量观测数据,建立了基于蚁群算法的地下含水层参数识别方法,含水层参数识别反问题的不适定性由解的不唯一性和不稳定性所表征。与传统的基于梯度的优化方法相比较,对于参数识别反问题蚁群算法能够收敛到全局最优解。为了将蚁群算法引入到参数识别反问题,介绍了一些数值算例,并且将参数识别结果与数值模拟结果进行了比较。研究表明,所提出的参数识别方法具有鲁棒性、全局收敛性和抗观测噪音的能力。     

使用双核计算机并行求解水文地质参数研究

在建立地下水流模型的过程中，模型验证一直是较为复杂的步骤之一，具体难点包括寻优方法的选用，为保持总体平衡所引起的参数峰值异常以及总体寻优需要大量的计算机时等问题。本文运用区域分解法中D-N交替法的基本思想，在计算目标函数值时，将整体求解水文地质模型的过程分解为计算各参数分区内的子模型的过程，并在双核计算机上实现了并行计算。理想算例的计算结果证明了该方法用于水文地质逆问题求解的可行性，它不仅减少了求解过程中所需要的计算机时，而且提高了参数的拟合度。最后将这种方法应用到山东鹏山水源地的水文地质参数求解问题中，由结果可以看出，运用该方法反求水文地质参数是可行的，具有很好的应用前景。     

水文地质参数反演的Hooke-Jeeves粒子群混合算法

水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度,而参数寻优结果很大程度上取决于寻优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法,算法的缺陷是后期搜索效率低劣。基于随机寻优算法的混合策略,引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术,有机融合粒子群算法与Hooke-Jeeves方法,提出一种适用于水文地质参数反演的HJPSO混合算法。应用研究表明,HJPSO混合算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。     

基于区域分解法的水文地质参数寻优研究

在建立地下水流模型的过程中，水文地质参数寻优一直是较为复杂的步骤之一，具体难点包括寻优方法的取用，为保持总体平衡所引起的参数峰值异常以及总体寻优需要大量的计算机时等问题。本文运用区域分解法（Domain Decomposition method，DDM）的基本思想，将整个区域的参数寻优问题分解为各参数分区内的子域问题求解，通过寻找整个区域上的Nash均衡最终获得各子域上的最优参数。实验算例及其结果证明应用该方法实现水文地质参数自动寻优，不但具有高度的可靠性，同时优化问题的规模减小。此举不但减少了求解过程所需要的CPU时间，而且提高了参数拟合度。     

流体力学参数控制反问题的控制论求解方法

提出一种求解流体力学参数控制反问题的新思路--控制论方法。将流体力学参数控制反问题纳入控制论范畴,提为分布参数系统的最优控制问题,并提出应用计算机辅助优化法实现求解。以一个矩形坝非均质渗透系数反演问题为例,用所提方法进行了求解。研究结果表明,应用控制论方法求解参数控制反问题是合理可行的,是研究反问题的新思路。与其它参数控制反问题求解方法相比,用计算机辅助优化法求解参数控制反问题简单易行,且适应性强,为拓广流体力学参数控制反问题的工程应用提供了可能。     

Fast automatic solution of the inverse resistivity problem

The paper presents a fast automatic approach to solve the inverse resistivity problem, assisted by optimization, which is a non-linear model-fitting technique. The selected inverse problems are ill-posed and the inverse solution is defined by ‘best fit’ in the sense of least-squares. Formulations are presented in a systematic manner for Newton’s method, least squares method and Marquardt’s modification (ridge regression) method based on local linearization of non-linear problem. The convergence of least-squares method and Marquardt’s method, to provide a robust solution, are first tested on a theoretical model and effectiveness of Marquardt’s method is demonstrated, and then two-field apparent resistivity curves from Banda district, India are interpreted and discussed.     

在矿产资源勘查中搞好水文地质工作的思考

金属矿产勘查中水文地质工作的质量好坏,将直接影响未来矿山建设和开发工作.但由于工作对象是金属矿产,勘查者往往会忽视其水文地质工作的重要性.通过分析矿产资源勘查工作中水文地质工作存在的问题,强调了水文地质工作的重要性,对如何搞好水文地质工作提出建议.     

改进的蚁群算法及其在南岭地区花岗岩侵入体探测中的应用

蚁群算法（ACO）主要应用于组合优化问题（COPs）,很少应用于地球物理重磁资料物性反演。首先,对蚁群系统中目标函数值与信息素的映射机制进行改进。理论模拟表明,改进后的Gauss模型在收敛速度和反演精度方面比传统的ant-cycle模型要好,适用于重磁资料物性反演。然后,将蚁群算法应用于南岭地区千里山岩体和九嶷山岩体重力资料反演与解释。结果表明:蚁群算法圈定的花岗岩岩体与地面地质填图结果及大地电磁测深反演结果吻合,较好地控制了千里山岩体和九嶷山岩体的深度和形状。该结果可为研究南岭地区花岗岩侵入模式和多金属成矿规律提供参考。     

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析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。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析     

改进的遗传算法在单孔电磁波法中全息重现的应用

对基本遗传算法进行了改进，并运用改进的遗传算法对单孔电磁波法的数值模型进行了全息重现，计算结果与实际模型非常接近，表明改进的遗传算法能够很好地解决反演问题，同时也说明改进的遗传算法在反演问题中有着非常广阔的应用前景。