综合的并行搜索策略及其在剩余静校正中的应用

文章以并行遗传算法为基础，根据生物遗传规律的特点，综合多种杂交方式和生物遗传技术，提出了一种综合的并行搜索策略，用以克服遗传算法的早熟收敛现象，提高遗传寻优的效率。     

基于INPGA的地下水污染治理多目标优化管理模型:Ⅰ——理论方法与算例验证

基于小生境技术的Pareto遗传算法(NPGA)是一种求解多目标问题的智能搜索方法,适用于优化多种非线性、不连续等复杂多目标问题.但该算法存在局部早熟收敛和收敛速度慢两个不足,在求解Pareto前沿上效果不佳.本文在NPGA的基础上,提出了改进NPGA方法(INPGA),通过Pareto解集过滤器、精英个体保留策略、邻...     

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。     

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。     

大地电磁实码广义遗传反演算法研究

大地电磁反演问题通常表述为目标函数最优化,难点是多参数、非线性和不适定性,局部和全局方法都不能实现快速全局优化[4].针对局部线性方法易使解陷入局部极值,严重依赖初始模型,而传统的遗传算法在优化应用中存在局部搜索能力弱、早熟收敛等问题.这里引进一种求解一维大地电磁测深反演问题的实数编码广义遗传算法.该算法利用拟网格法初始种群和综合交叉策略,克服了早熟收敛现象,从而提高了遗传寻优的效率.理论模型反演与其它方法比较,结果说明遗传算法具有不依赖初始模型,不容易陷入局部极小,多点多路径概率搜索,以及隐合并行性等优点.     

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。     

一种优化估计土性参数的新方法

采用改进化方向的遗传算法并结合比奥特（Ｂｉｏｔ）固结有限元数值法对一假设路堤的双层地基的一些主要土性参数进行反演,显示误差很小,收敛速度也很快,这说明改进进化方向遗传算法这种新型的优化算法在土性参数优化估计中具有精度高、反演快的优越性,克服了传统优化方法如共轭梯度法、拟牛顿法和单纯形法所具有有的搜索速度随反演参数增多呈级数减慢、容易陷入局部极值点和误差传递导致不收敛等缺点,同时也要比简单遗传算法优     

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。     

改进的遗传算法在堆石体参数反演中的应用

在研究堆石坝问题中,堆石体参数的合理估计非常重要,根据工程实测值反演堆石体参数不失为一种有效估计参数的新思路。在传统遗传算法操作过程中,引入模拟退火的Metropolis接受准则,并结合系统识别的基本原理改进了遗传算法。将改进的新算法应用于堆石坝主要堆石料的参数反演,结果显示其误差很小、收敛速度快、精度高的优越性,克服了传统的梯度优化方法和单纯形法所具有的搜索速度随反演参数增多呈级数减慢、容易陷入局部极值点和误差传递导致不收敛等缺点,值得在本领域参数优化中推广。     

层状介质大地电磁的自适应量子遗传反演法

将量子遗传算法引入到层状介质大地电磁数据的反演, 得到了层状介质的大地电磁量子遗传反演法.数值试验结果发现该算法仍然存在较严重的早熟收敛现象.为此, 将自适应思想引入到量子遗传算法中来, 通过动态调整量子遗传算法的模型搜索空间, 建立了一种新的改进型量子遗传算法——自适应量子遗传算法, 使算法在迭代过程中能自适应地寻找模型最优值.通过典型测试函数和层状介质大地电磁模型数值试验, 结果表明, 改进算法有效压制了常规量子遗传算法的早熟收敛性, 提高了算法的搜索效率和反演效果.采用该算法对实际的大地电磁资料进行了处理, 取得了较好的地质效果.      

基于微粒群算法的大坝材料参数反分析研究

将微粒群算法应用于大坝参数反分析，同时分析了群体规模对算法的搜索效率和搜索质量的影响以及微粒群反分析算法的数值稳定性。对算例的分析结果表明，基于微粒群算法的大坝参数反分析方法简便易行，收敛精度高，且具有很好的抗噪音能力，是一种新的有效、可靠的参数反分析方法。     

基于十进制遗传算法的含水层参数的反演

含水层参的反演是一个复杂的非线性优化问题，针对传统二进制遗传算法收敛性能差的缺陷，提出了反演含水层参数的十进制遗传算法.以直线隔水边界附近的井流模型为例，讨论了十进制遗传算法在含水层参数反演中的应用，并与二进制遗传算法的进行比较.结果表明，该方法在含水层参数的反演中不仅是可行的，而且具有较好的确定性和较高的精度;与二进制遗传算法相比，十进制遗传算法的收敛性较好，省时高效，且表示较为自然，容易引入相关领域知识.同时，结合实例的分析结果得出种群的规模对算法的收敛性没有明显的影响。     

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。     

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。     

基于改进BP网络算法的边坡稳定性评价

影响边坡稳定性的因素复杂且具有随机性和不确定性。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,因而神经网络适用于解决非确定性的边坡稳定性评价问题。结合遗传算法的并行搜索结构和模拟退火的概率突跳特性,提出了一种用于BP网络权值学习的GASA混合策略,并综合考虑影响边坡稳定性的各方面因素,建立了基于GASA混合策略的神经网络模型,并利用大量工程资料对网络进行训练和测试,得出了一些有意义的结论。     

基于混合遗传算法估计van Genuchten方程参数

van Genuchten(VG)方程是最常用的土壤水分特征曲线方程,其参数取值的精度直接影响到土壤水分运动方程计算的精度.该文建立了VG方程参数的优化模型,构建遗传算法与Levenberg-Marquardt算法相结合的混合遗传算法对其进行求解,并进行了数值试验.结果表明采用混合遗传算法比普通遗传算法不但提高了收敛效率,而且收敛迭代次数也大大减少;采用混合遗传算法估计参数的精度比非线性单纯形法和阻尼最小二乘法要高一些,而且不需要给参数初值.因此,混合遗传算法可以作为估计VG方程参数的一种新方法.     

遗传算法在磁异常反演中的应用

遗传算法是一种约束随机优化方法。它与传统的确定性优化方法相比较,具有全局收敛,不计算目标函数偏导数等优点；与传统的随机优化方法相比较,具有搜索效率高以及隐含并行计算等优点。本文首先讨论了遗传算法的基本原理和迭加机算步骤,其次讨论了该方法在磁化强度约束反演问题中的应用效果。     

基于小生境遗传算法软土地基上加筋路堤稳定性分析

在软土地基加筋路堤稳定性分析方法中,传统分析方法(如瑞典法和荷兰法)因对加筋材料的加筋作用估计不足,导致计算结果过于保守,与实际不符。本文在充分考虑加筋体的加筋作用下,提出了新的加筋路堤稳定性分析计算方法,并采用小生境遗传算法搜索临界滑动面和最小安全系数。算例计算结果表明,本文提出的加筋路堤稳定性分析方法与工程实际情况吻合较好,并且小生境遗传算法能有效地搜索到边坡所有的临界滑动面。     

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.