改进RBF神经网络法在大坝位移分析中的应用

针对RBF神经网络容易出现局部最优解和收敛速度慢的问题,提出引入惯性权重来改进混合蛙跳算法,继而用改进方法优化RBF神经网络。改进的混合蛙跳算法通过设定一个合理的初始权重,从而达到修正青蛙群体的更新策略、跳出局部最优解、避免早熟的目的,同时具有平衡全局搜索和局部搜索的能力,很好地解决了传统RBF神经网络局部最优和收敛速度慢的问题。以某大坝位移分析为例,采用基于改进蛙跳算法的RBF神经网络后,模型预测精度有了较大的提高,与工程实际更为接近,具有一定的工程实用价值。     

小生境与遗传模拟退火耦合算法在岩质边坡滑动面搜索中的应用

将小生境思想与遗传模拟退火算法相结合,应用于岩质边坡滑动面的搜索中。在实现了边坡结构面模拟的基础上,小生境与遗传模拟退火耦合算法可以顺利搜索出边坡由结构面与岩桥组合形成的潜在最危险滑动面。与其他智能优化搜索算法相比,该耦合算法具有收敛速度快、可找到搜索函数所有全局最优解、参数依赖性小等优点。工程应用实例表明该耦合算法在岩质边坡滑动面搜索中能取得令人满意的结果。     

基于GACO-BP-MC的大坝变形监控模型

建立相应的安全监控模型来分析大坝变形监测资料对保障大坝服役安全意义重大。BP神经网络模型在此方面得到了广泛应用,但采用蚁群算法(ACO)对BP神经网络参数寻优时存在因初期搜索完全随机导致收敛速度慢的问题。将具有快速随机的全局搜索能力的遗传算法(GA)引入蚁群算法中,利用遗传算法指导生成初始信息素分布,再由蚁群算法正反馈寻得最优解来训练BP神经网络,从而得到大坝变形预测值,2种算法优势互补,缩短了蚁群算法的搜索时间并避免陷入局部最优点。在此基础上,为进一步提高预测精度,采用马尔科夫链(MC)对预测结果进行改进,由此建立了应用于大坝变形监控的GACO-BP-MC模型。工程实例分析表明,该模型在参数优化方面具有较快的寻优速率,且具有较高的拟合和预报能力。     

和声退火算法及其在土坡稳定分析中的应用

借鉴和声搜索算法中新解产生的方式来实现模拟退火算法中的扰动过程,把和声库中的最坏解视为模拟退火算法的初始最优解,形成的和声退火算法具有较强的全局搜索能力;用修复策略替换惩罚策略,修复搜索过程中可能出现的不合理滑动面,可以更有效地搜索解空间。均质土坡和非均质边坡最小安全系数实例计算结果表明,和声退火算法取得了较基本和声搜索算法及模拟退火算法均好的结果,可以用于土坡稳定分析计算。     

引入退火机制的复合形法在边坡最小安全系数搜索中的应用

针对基本复合形法在搜索复杂边坡最小安全系数的过程中可能会陷入局部极小值的问题，在其寻优过程中第一次出现关于最坏点映射失败时，将最坏点作为模拟退火算法的初始寻优点进行一次模拟退火搜索，用寻找到的最优值替换当前复形中的最坏点，构成新的复形继续进行基本复合形法的寻优至结束，从而形成一种新的、更加优异的优化算法。通过对算例的复杂边坡最小安全系数的搜索表明，这种引入退火机制的复合形法是一种全局搜索能力很强的算法。     

基于模拟退火算法的神经网络模型在洪灾易损性分析中的应用

本文对误差反向传播(BP)神经网络进行改进,提出一种基于模拟退火算法的BP网络模型,该算法克服了传统BP算法收敛速度慢、精度低、易陷入局部最优的缺点。经过在水稻洪灾易损性分析中的实例应用,证明SABP算法运行速度快、全局寻优效果好,实用性强。     

基于文化基因算法的梯级电站负荷分配研究

为了解决传统基于种群进化的搜索算法求解电站负荷分配中搜索精度低、易陷入局部最优的问题,结合文化基因算法的框架,以粒子群算法(PSO)作为全局搜索策略,分别引入爬山算法(HP)与模拟退火算法(SA)作为局部搜索策略,形成HPMA、SPMA两种文化基因算法。设计了相应的局部搜索激活机制,并针对负荷分配问题初始可行解生成效率低的问题提出了一种初始种群快速生成方法。实例计算表明,两种文化基因算法较单独使用SA、PSO等算法具有更好的求解精度,同时SPMA算法优于HPMA算法,SPMA算法有利于提高了梯级水电站负荷分配问题的求解质量。     

Ｆｅｌｌｅｎｉｕｓ法的一种新的解法

Ｆｅｌｌｅｎｉｕｓ法作为一种经典的边坡稳定性分析方法，由于此法更加安全，故而在边坡工程中被广 泛应用。为提高Ｆｅｌｌｅｎｉｕｓ法分析边坡稳定性的计算精度，避免得到局部最优解的缺陷，同时降低计算 量，提出了Ｆｅｌｌｅｎｉｕｓ法的一种新的解法。通过引入竖向中心角，将安全系数表示为关于竖向中心角的解 析表达式，将优化问题转换为多维有约束优化问题，利用ＭＡＴＬＡＢ中专门求解该优化问题的Ｆｍｉｎｃｏｎ函 数，编制了相关的程序，对边坡稳定性问题进行了优化。通过静力条件和动力条件下的算例分析，研究 表明:解析法是条分法的下线解，新的解法具有更强的全局搜索能力和收敛能力。     

电力系统日发电计划的启发式遗传算法

机组组合是电力系统日发电计划中主要的优化任务，在满足各种约束条件下求得全局最优解是一个比较困难的事情。遗传算法没有充分利用个体基因的有效信息，所以局部搜索能力较弱，而且随机遗传操作产生的大量不可行解，使得遗传算法的收敛能力降低。为了提高算法的全局搜索能力和收敛性，设计了基于局部优化算法的智能变异算子和消除约束冲突的修复算子。结果表明，运用了新算子的启发式遗传算法收敛到最优解的速度有显著提高。     

基于改进萤火虫算法的梯级水库优化调度研究

梯级水电站水库群联合调度问题具有复杂的约束条件,受到发电、供水、防洪等目标的制约。作为多目标非线性优化调度问题,为了解决传统算法中存在结果受初值参数影响较大、容易陷入局部最优解、收敛速度不理想等问题,首次尝试将萤火虫算法引入梯级水库优化调度研究中。在传统萤火虫算法模仿自然界萤火虫捕食求偶行为的基础上,对其进行优化与改进,引入目标空间中解的Pareto支配关系比较萤火虫荧光亮度,比较其优化解,采用轮盘赌法确定萤火虫每次更新过程中的移动路径,利用精英保留策略建立多目标萤火虫模型。通过典型的梯级水电站进行仿真计算,研究结果表明,改进的多目标萤火虫算法在优化过程中具有较强的寻优能力,能更好地进行全局搜索和局部搜索,计算过程中具有良好的稳定性,并且计算效率较高,优于遗传算法(GA)、粒子群算法(PSO)和蚁群算法(ACO),为多阶段、多约束的梯级水电站水库群中长期优化调度问题提供了新的途径和新方法。     

基于MATLAB下BP神经网络的边坡稳定性预测

将MATLAB中的BP神经网络引入到边坡稳定性研究中,但由于标准的BP算法存在收敛速度慢、容易陷人局部极小点等缺点,为此采用各种改进及优化的算法,以寻求更适合边坡稳定性预测研究的算法。本文结合了大量边坡实例,经过理论分析和实例测试,能显著提高训练速度、减少收敛周期,达到很好的边坡稳定性预测结果。     

基于混合变异策略差分进化算法的边坡滑裂面搜索研究

针对"基于反射变异策略的自适应差分进化算法"仍易陷入局部最优的问题,通过引入一个基本的变异策略提出一种基于混合变异策略(DE/current-to-rand/1)的差分进化算法。根据各变异策略生成成功子代的比率使用轮盘赌选择为各个个体选择合适的变异策略,以改善算法的全局收敛能力。将提出的算法结合有限元应力场应用于两个经典算例的边坡临界滑动面搜索及安全系数求解,与其他极限平衡法进行了对比,并使用其中一个算例作为计算模型与其他优化算法进行了收敛性能比较。统计结果验证了改进算法的性能更稳定且收敛速度较快,也验证了该算法结合有限元应力场求解边坡问题的有效性。     

基于GGSO和有限元的土坡稳定性计算研究

针对传统土坡稳定性系数试算过于粗糙、未考虑岩土体应力应变特征的不足等问题,以提出一种更为合理的边坡稳定性计算方法为目标,对标准的萤火虫算法(Glowworm Swarm Optimization,GSO)进行改进,加入高斯白噪声扰动策略,增强了算法的全局寻优能力,提出一种改进萤火虫算法(Gauss Glowworm Swarm Optimization,GGSO)。通过标准函数测试表明了新方法的有效性。三个标准函数的测试结果显示:GGSO的寻优效果较GSO大幅度提升;通过有限元应力法计算土坡稳定性系数,并以圆心和半径为自变量,将边坡稳定性计算转化为一个完备的数学优化问题,该优化问题可通过GGSO求解。通过均质土坡和非均质土坡算例验证提出方法的有效性,结果表明:提出的边坡稳定性计算方法能够获得合理的边坡稳定性系数值。最后将提出的边坡稳定性计算方法用于许卡滑坡土质边坡的稳定性计算之中。研究成果对土坡稳定性分析具有一定的参考价值。     

边坡局部稳定性变化规律的研究

现有边坡稳定性分析方法大多假定边坡滑面各部位的安全系数相等,既不能反映边坡潜在滑面上稳定系数的分布规律,也不符合工程实际情况。分别基于超载储备安全系数定义和强度储备安全系数定义研究了边坡局部稳定性变化规律,并分析了滑体条块数目以及滑面形状对边坡局部稳定性分布规律的影响。此外,还提出了由局部稳定系数求解整体稳定系数的加权方法。研究结果表明：滑体条块的划分数量对边坡局部稳定性的分布规律几乎没有影响,而滑面形状对其影响较大;取微段下滑力占各微段下滑力代数和的比值作为权重,是由边坡局部安全系数加权计算整体安全系数的最优加权方法。     

乌东德水电站右岸拱肩槽边坡稳定性研究

在对拱肩槽自然边坡工程地质条件详细调查的基础上,采用工程地质宏观分析和数值计算相结合的研究手段,对拱肩槽人工边坡整体稳定进行了系统研究;通过结构面组合分析,提出了人工边坡可能出现的块体失稳模式;从块体稳定性影响因素入手,建立了块体稳定性评价标准,并评价了块体的稳定性。工程地质宏观分析表明：拱肩槽边坡整体稳定性较好,数值模拟计算结果显示人工边坡变形特征不突出、稳定系数较高,人工边坡可能出现的块体多处于基本稳定状态。研究成果为工程设计与施工提供了重要依据,并对类似工程提供了可借鉴的经验。     

基于改进ACMPSO 并行算法的土石坝本构参数反演

针对一般的优化算法进行土石坝本构参数反演时收敛速度慢,且容易陷入局部最优的问题,引入动态变异系数和OpenMP并行指令,对自适应混沌变异粒子群算法(ACMPSO)进行改进,并采用实例对改进算法进行了验证。实例验证结果表明,与一般优化算法相比,改进的ACMPSO并行算法能够有效避免算法陷入局部最优的问题,大幅降低计算耗时,具有收敛速度快、反演精度高、稳定性好等特点,适用于处理高维度、计算量庞大的复杂参数反演问题。     

遗传算法在水库调度中的应用综述

简要回顾了遗传算法在水库调度中的应用概况,对遗传算法用于水库调度优化时的编码、约束条件处理、早熟与全局收敛性、参数设置、混合遗传算法、多目标遗传算法以及效率评定准则等问题进行了综述。分析遗传算法耗时与全局收敛之间的矛盾后认为,遗传算法适用于传统方法难以求解的优化问题,以及对计算时效性要求不高或者目标函数计算复杂度不高的实时水库调度问题,特别是水库中长期调度以及水资源规划问题。     

Optimizing Hydropower Reservoir Operation Using Hybrid Genetic Algorithm and Chaos

Genetic algorithms (GA) have been widely applied to solve water resources system optimization. With the increase of the complexity and the larger problem scale of water resources system, GAs are most frequently faced with the problems of premature convergence, slow iterations to reach the global optimal solution and getting stuck at a local optimum. A novel chaos genetic algorithm (CGA) based on the chaos optimization algorithm (COA) and genetic algorithm (GA), which makes use of the ergodicity and internal randomness of chaos iterations, is presented to overcome premature local optimum and increase the convergence speed of genetic algorithm. CGA integrates powerful global searching capability of the GA with that of powerful local searching capability of the COA. Two measures are adopted in order to improve the performance of the GA. The first one is the adoption of chaos optimization of the initialization to improve species quality and to maintain the population diversity. The second is the utilization of annealing chaotic mutation operation to replace standard mutation operator in order to avoid the search being trapped in local optimum. The Rosenbrock function and Schaffer function, which are complex and global optimum functions and often used as benchmarks for contemporary optimization algorithms for GAs and Evolutionary computation, are first employed to examine the performance of the GA and CGA. The test results indicate that CGA can improve convergence speed and solution accuracy. Furthermore, the developed model is applied for the monthly operation of a hydropower reservoir with a series of monthly inflow of 38 years. The results show that the long term average annual energy based CGA is the best and its convergent speed not only is faster than dynamic programming largely, but also overpasses the standard GA. Thus, the proposed approach is feasible and effective in optimal operations of complex reservoir systems.     

Extracting Optimal Policies of Hydropower Multi-Reservoir Systems Utilizing Enhanced Differential Evolution Algorithm

Deriving the optimal policies of hydropower multi-reservoir systems is a nonlinear and high-dimensional problem which makes it difficult to achieve the global or near global optimal solution. In order to optimally solve the problem effectively, development of optimization methods with the purpose of optimizing reservoir operation is indispensable as well as inevitable. This paper introduces an enhanced differential evolution (EDE) algorithm to enhance the exploration and exploitation abilities of the original differential evolution (DE) algorithm. The EDE algorithm is first applied to minimize two benchmark functions (Ackley and Shifted Schwefel). In addition, a real world two-reservoir hydropower optimization problem and a large scale benchmark problem, namely ten-reservoir problem, were considered to indicate the effectiveness of the EDE. The performance of the EDE was compared with the original DE to solve the three optimization problems. The results demonstrate that the EDE would have a powerful global ability and faster convergence than the original DE to solve the two benchmark functions. In the 10-reservoir optimization problem, the EDE proved to be much more functional to reach optimal or near optimal solution and to be effective in terms of convergence rate, standard deviation, the best, average and worst values of objective function than the original DE. Also, In the case of two-reservoir system, the best values of the objective function obtained 93.86 and 101.09 for EDE and DE respectively. Based on the results, it can be stated that the most important reason to improve the performance of the EDE algorithm is the promotion of local and global search abilities of the DE algorithm using the number of novel operators. Also, the results of these three problems corroborated the superior performance, the high efficiency and robustness of the EDE to optimize complex and large scale multi-reservoir operation problems.     

联合运用改进的极限平衡法和动态规划法分析边坡稳定性

为了解决边坡关键滑动面全局优化处理问题,将动态规划理论引入基于有限元的改进极限平衡法。与工程上被广泛认可的一般极限平衡法比较表明,本文提出的方法可以获得更好的近似解甚至是整体最优解,关键滑动面更符合工程实际,有效地克服了传统边坡稳定分析方法的不足;与目前国内外同类方法相比具有明显的优越性,丰富了边坡稳定分析和确定关键滑动面的方法和理论。