模拟退火算法的改进及其在边坡稳定分析中的应用

首先对模拟退火算法进行改进,将遗传算法的群体、交叉、变异等概念引入其中,使得它能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。然后基于有限元应力场,应用改进的模拟退火算法建立边坡任意形状最危险滑裂面及相应最小安全系数的全局优化搜索方法。通过典型算例分析,证明应用改进的模拟退火算法搜索边坡最危险滑动面是可行和高效的。     

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。     

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。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题，其实质为安全系数最小的滑动路径的搜索问题，采用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，通过引入奖惩策略，加快较优路径和普通路径上信息素的差异，分化各条路径上的信息素，从而提出了一种奖惩蚁群算法。通过把边坡滑动面搜索问题的离散模型化，采用奖惩蚁群算法解决滑动面搜索问题，提出了一种临界滑动面搜索的新方法。通过一个简单边坡和复杂边坡的典型算例计算及一个大坝边坡的工程的应用实例应用，验证了新滑动面搜索算法的有效性及其高效性。结果表明，无论是对简单边坡还是复杂边坡，本文算法都可以能以更快的速度搜索得到效果更好的临界滑动面，且工程应用效果良好。     

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。     

基于遗传模拟退火算法的边坡稳定分析

利用遗传模拟退火算法结合瑞典圆弧法,寻找最危险边坡进行稳定分析。该方法模拟了生物遗传进化和金属退火的过程,克服传统方法容易陷入局部极小值的缺点,是一种全局优化算法。通过实例计算,说明结果的合理性。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题,其实质为安全系数最小滑动路径的搜索问题,本文对采用路径搜索的蚁群算法引入奖惩策略,加大较优路径和普通路径上信息素的差异,分化各条路径上的信息素,以克服其收敛速度慢、早熟收敛的缺点。通过把边坡滑动面搜索模型离散化,采用奖惩蚁群算法解决滑动面搜索问题,提出了一种临界滑动面搜索的新方法。最后对一个简单边坡和复杂边坡的典型算例及一个大坝边坡工程的应用实例进行了计算,验证了新算法的有效性及其高效性。结果表明,无论是对简单边坡还是复杂边坡,本文算法都能以更快的速度搜索到结果更好的临界滑动面,工程应用效果良好。     

基于模拟退火的重力坝最危险滑动面全局搜索

为了弄清地震荷载作用下重力坝坝头部位的失稳规律,采用有限元非线性时程分析方法,得到重力坝在地震作用过程中的应力场,进而应用模拟退火算法进行重力坝临界滑动面的全局搜索。该方法可以在所有增量步的应力场中搜索出坝头区域的最脆弱滑动面,并得到与之对应的抗滑稳定系数及出现时刻。分析结果表明,重力坝在地震荷载作用下更容易向上游方向失稳。在一条特定的地震波作用下,即使调整了其幅值,坝头部位最危险软弱滑动面出现的时刻几乎仍是相同的,且同一时刻下滑动面形式非常相近。     

基于FOA法搜索危险滑动面的三维极限平衡分析

针对三维极限平衡法分析边坡稳定时不能搜索最危险滑动面的问题,以索风营水电站Dr2危岩体加固工程为研究对象,采用果蝇优化算法搜索危岩体的滑动面,采用改进的三维极限平衡法对危岩体进行抗震稳定计算,提出基于果蝇优化算法的危岩体危险滑动面搜索方法,并分析了危岩体各种加固措施对稳定的贡献度。结果表明:加固后的危岩体在地震工况下可以维持稳定,其中泥岩灌浆对稳定的贡献最大,顶部锚索贡献最小。该方法弥补了传统极限平衡法无法所搜滑动面的缺陷,提高了边坡失稳的预测精度,可为类似工程提供一定的参考。     

基于遗传算法的土质边坡稳定性分析

以瑞典条分法作为边坡稳定分析模型,模仿生物进化过程,采用遗传算法,以滑弧圆心坐标和半径为搜索变量对模型进行优化,得到一种在全局范围内搜索出边坡最危险滑动面,并能克服局部收敛,计算出最小安全系数的边坡稳定性分析评价方法。最后通过工程实例验证了该方法的合理性和可靠性,计算结果令人满意。可为同类工程借鉴。     

基于模拟退火神经网络模型的岩质边坡稳定性评价方法

 针对BP神经网络收敛速度慢、易陷入局部极小的缺点,将具有全局搜索能力的模拟退火（SA）算法引入到神经网络的权值优化中。并且在SA算法中引入状态接受过程和退火过程的自适应措施,增加了对当前状态最优解的"记忆能力",避免了当前最优解的遗失,提高了算法的搜索效率。通过对XOR问题求解的比较,显示出SABP算法具有全局收敛且精度高的优越特性。最后基于实际工程的边坡数据建立了一个SABP算法模型,成功解决了具有高度非线性特点的边坡稳定性评价问题。     

边坡稳定分析的一个全面搜索危险圆弧滑动面的方法

该文采用极限平衡条分法,全面搜索土坡可能存在的危险圆弧滑动面,可得出全局的最小安全系数及其对应的最危险圆弧滑动面,解决了传统方法中容易漏掉最危险圆弧滑动面的问题。其搜索结果具有很高的全局性,能较好地适用于一些复杂土坡。     

一种改进的遗传算法在边坡工程中的应用

研究现状表明基本遗传算法应用于边坡稳定性分析时存在局部搜索能力差、容易陷入早熟的 缺陷。通过分析提出一个动态杂交率和动态变异率的计算公式对基本遗传算法进行改进,编制了基于 改进遗传算法的边坡稳定性分析程序。对一个边坡算例进行了稳定性分析验算,该算例表明改进遗传 算法具有更强的全局搜索能力和收敛能力,搜索效果更好。     

基于有限元法的尾矿坝边坡三维稳定分析

以某尾矿坝实例为研究背景,分别采用三维有限元极限平衡法和有限元强度折减法对上游法筑坝的尾矿坝稳定进行分析。有限元极限平衡法基于有限元应力场结果与极限平衡分析方法计算边坡整体安全系数,采用粒子群算法搜索最小安全系数和对应的最危险滑动面。分析表明:三维有限元极限平衡法和有限元强度折减法呈现的边坡破坏形式一致,且有限元极限平衡法安全系数不受收敛判据影响,能获得准确的三维最危险滑动面和安全系数,还能提供滑动面上局部安全系数分布,提高了尾矿坝三维稳定分析的准确性。     

应用遗传算法搜索边坡最小安全系数的研究

本文简要介绍了滑坡滑裂面搜索问题和遗传算法,并试用遗传进化算法从边坡任意形状滑裂面组合中搜索最有可能的滑裂面,也就是使安全系数最小的滑裂面。作为实例,分析了遗传算法在天生桥二级电站首部枢纽进水口右岸滑坡案例中的应用。分析结果表明,在搜索边坡滑裂面问题上遗传算法较其它搜索算法具有准确性和可靠性的优势。     

加速遗传算法在边坡抗震稳定性分析中的应用

根据加速遗传算法的思想和拟静力瑞典法基于圆弧滑动面的假定，提出一种用加速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。该方法是一种改进的遗传算法，在简单遗传算法基础上，增加加速循环步骤，用第一次和第二次进化迭代产生的优秀个体的多化空间作为变量新的初始变化区间，再进入遗传算法步骤重新运行计算。它不仅能克服传统方法容易陷入局部极小值的缺点，而且较SGA(简单遗传算法)算法有更高的搜索效率，计算时间短，搜索的解更优，是一种全局化算法。通过一个工程实例对其进行了验证。     

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。     

加速遗传算法在边支抗震稳定性分析中的应用

根据加速遗传算法的思想和拟静力瑞典法基于圆弧滑动面的假定，提出一种用加速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。该方法是一种改进的遗传算法，在简单遗传算法基础上，增加加速循环步骤，用第一次和第二次进化迭代产生的优秀个体的多化空间作为变量新的初始变化区间，再进入遗传算法步骤重新运行计算。它不仅能克服传统方法容易陷入局部极小值的缺点，而且较SGA（简单遗传算法）算法有更高的搜索效率，计算时间短，搜索的解更优，是一种全局化算法。通过一个工程实例对其进行了验证。     

搜索边坡最危险滑动面及其对应的最小安全系数新方法

基于圆弧滑动面的假定和遗传算法的思想,提出了用加速遗传算法（aga）搜索边坡最危险滑动面及其对应的最小安全系数的方法。该方法是一种模拟生物遗传进化过程的算法,它克服了传统优化方法容易陷入局部极值点和误差传递导致不收敛的缺点,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。通过一工程边坡实例对其进行了验证。     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。