复合形模拟退火算法及其在水泥土墙优化设计中的应用

将传统优化方法中的复合形法和智能优化方法中的模拟退火算法有机结合,得到一种新型的智能计算方法-复合形模拟退火算法。仿真分析表明它比单一的复合形法和模拟退火算法搜索性能更优。按照我国现行规范建立了水泥土墙优化设计数学模型,探讨了提出的复合形模拟退火算法在水泥土墙支护结构参数优化设计中的应用。给出了工程计算实例,其计算结果验证了方法的可行性和可靠性。还讨论了基坑内被动土压力区的加固对水泥土墙的嵌固深度和有效宽度的影响。     

紫金山金铜矿初始地应力场反演分析

初始地应力是影响工程边坡、硐室和地基岩体稳定性的重要因素之一,也是工程设计需要的基本指标之一。根据紫金山矿区地应力的实测资料,利用支持向量机和模拟退火算法对初始地应力场进行反演分析,一方面用支持向量机代替有限元计算,提高了计算分析速度;另一方面用模拟退火算法代替传统的优化算法,避免优化过程中目标函数陷入局部极小值而无法继续寻优的状态,提高了反演的效率精度。通过实测点的计算应力值与现场实测值的比较,两者在量值和方向上接近,表明该方法较合理地反映了初始地应力场的分布规律,能够满足矿区设计和研究的需要。     

应用单纯形-模拟退火混合算法估计河流水质参数

将由单纯形法(SM)与模拟退火(SA)两种算法构成的混合算法(SMSA),应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据,估计河流水质参数的函数优化问题。分别就不同的降温指数、内循环次数与新状态产生函数中的扰动系数等算法控制参数对混合算法和改进模拟退火法的收敛速度的影响,进行了数值实验。结果表明,SMSA混合优化算法对于求解估计河流水质参数的函数优化问题是非常有效的。在实验条件下,与单一具有记忆功能的改进模拟退火法的水质参数计算结果相比较,SMSA混合算法具有:①混合算法的收敛速度明显优于改进模拟退火法;②降温指数和内循环次数对SMSA混合算法的收敛速度影响非常微弱;③新状态产生函数中的随机扰动幅度大小对算法收敛速度具有较为明显的影响等特点。     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

确定河流纵向离散系数的快速SA法

将模拟退火算法应用求解分析河流水团示踪试验数据,确定河流纵向离散系数的函数优化问题.针对一般模拟退火算法收敛性能差的缺陷,采取了改变模型扰动、接受概率、降温方式以及增加附加约束条件和增加记忆功能等综合措施对算法进行了改进.实例分析结果表明,改进后的模拟退火算法确定河流纵向离散系数的优化问题不仅可行,而且求解精度较高,更重要的是收敛速度比其它算法快的多,这在一些高维复杂的优化问题中很值得推广.     

改进的重力模拟退火反演研究

通过对模拟退火方法中常用的VFSA算法的分析，针对其在模型扰动及退火计划上存在的缺陷，针对性地作了更合理的改进VFSA算法，提高了VFSA算法的计算速度与稳健性，并结合重力反演过程中对模型的修正，克服了常规重力反演方法所存在的等值效应。研究中还把重力正演计算的单元体改为垂直侧边梯形单元，并合单同一层位的垂直侧边梯形单元成为一大单元再作计算，加快了正反演计算速度并提高了正反演精度。通过模型试验及实际资料的处理，验证了作者所提出的改进的模拟退火重力反演方法的有效性。     

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。      

改进模拟退火法在估计河流水质参数中的应用

将模拟退火法应用于求解分析河流水团示踪试验数据，确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点，采取了增加附加约束条件、设置内阈值提前降温和增加记忆功能等综合措施对算法进行了改进。算例表明，综合改进措施能够明显地提高算法收敛速度，并可以得到满意的参数计算结果。计算结果也表明，内循环次数不会对外循环次数产生明显的影响。由于算法对目标函数没有附加要求，而且算法的收敛性与待估参数的初值无关，因此，改进SA算法在分析河流水质试验数据、确定水质参数方面．将会具有非常广的应用范围。     

单纯形—模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点,同时为了克服各自算法的弊病,提出采用单纯形—模拟退火混合算法(SMSA)进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现,并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明,SMSA算法在水文地质参数反演计算具有求解速度快,精度高的特点,而且易于实现并行运算。     

单纯形一模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点，同时为了克服各自算法的弊病，提出采用单纯形一模拟退火混合算法（SMSA）进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现，并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明，SMSA算法在水文地质参数反演计算具有求解速度快，精度高的特点，而且易于实现并行运算。     

基于SAGA-FCM的煤与瓦斯突出预测方法

为提高模糊C-均值聚类（Fuzzy C-Means Clustering Algorithm,FCM）算法在煤与瓦斯突出预测中的准确度,提出一种将模拟退火算法（Simulated Annealing Algorithm,SA）与遗传算法（Genetic Algorithm,GA）相结合用于模糊C-均值聚类分析的煤与瓦斯突出预测方法。该方法综合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法优化后的初始值赋给FCM,避免了由于聚类中心初始值选择不当造成FCM算法收敛到局部极小点上。结合典型突出矿井数据进行分析,结果表明:遗传模拟退火算法优化后的FCM算法较单一,预测准确度高。      

土钉支护稳定分析的模拟退火-随机投点耦合算法

充分地考虑土钉支护的特殊性,建立了一个比较精确的基于一般破裂面的土钉支护稳定性分析方法。对土钉支护内部稳定分析和外部稳定分析分别建立其优化数值分析模型;然后导入模拟退火算法和随机投点法,结合两者的特长建立了一种可有效求解该模型的耦合算法,并编制了相应的计算程序;通过工程实例证明了基于一般破裂面的土钉支护稳定性分析方法的有效性,并得出了若干对土钉支护稳定分析具有参考意义的结论。     

地下工程围岩位移反分析的改进模拟退火算法

本文针对地下工程围岩位移反分析问题的目标函数存在多个局部极值的特点，在对模拟退火算法进程中控制参数，即初始温度、每一温度下的状态选取次数和退火策略的确定方法加以改进的基础上．引进有限元分析手段和自适应的思想，建立了基于改进模拟退火算法的位移反分析方法，并开发了相应的分析程序。工程实践分析表明：本文理论计算结果与实测结果吻合良好，该方法较一般模拟退火算法具有明显的优越性。     

快速模拟退火算法在含水层参数识别中的应用

针对一般模拟退火算法收敛速度慢的缺陷,本文提出了含水层参数识别的快速模拟退火算法。它以广义Boltzmann-Gibbs统计理论为基础,采用依赖于温度的似Cauchy分布产生新的扰动模型,通过改变模型扰动、接收概率和降温方式来加快模拟退火算法的收敛速度。实例的计算结果表明,快速模拟退火算法不仅可行,而且求解精度高,收敛速度比其他算法快得多,是一种值得在实际中推广应用的高效的含水层参数识别方法。      

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。     

基于自适应退火算法的非线性位移反分析方法研究

根据地下工程非线性位移反分析的特点,建立起基于地下洞室收敛位移量测结果的反分析模型;针对一般退火演化算法优化效率低的问题,综合运用遗传算法、模拟退火算法和非线性有限元分析手段,并引进自适应的思想,建立了基于自适应退火演化算法的地下工程非线性位移反分析的新方法和理论,在探讨其应用方法与实施过程的基础上,开发了相应的计算分析程序。模拟分析表明,理论计算结果与模拟结果吻合良好,该方法可以满足工程要求。     

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。     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

改进的模拟退火方法及其在电阻率图像重建中的应用

实际中的大量地球物理反演都是一个多参数、非线性优化问题,以往的局部方法只是利用有限的信息来改进初始模型,因此对初始模型有很大的依赖性,难以得到全局最优解。针对这一问题,本文选择全局反演方法中的模拟退火和单纯形的组合算法,改进了模拟退火和单纯形算法的匹配技术,并将它引入到电阻成像反演问题中。     

改进的模拟退火遗传算法在地下水管理中的应用

对于高度非线性、非凸的地下水管理模型,传统优化方法难以找到全局最优解。本文采用模拟退火遗传算法求解地下水管理模型,并从三个方面对算法进行改进:引入小生境技术,采用自适应交叉和变异概率,在选择过程中采用最优保存策略,从而提高算法的全局寻优能力和收敛速度。采用惩罚函数法处理约束条件。用Fortran 90语言编制了计算程序,并通过Schaffer测试函数验证了该算法不仅具有强大的全局寻优能力和局部搜索能力,而且具有较快的收敛速度和较高的优化精度。将该算法应用到某研究区地下水管理中,取得了较好的效果。