遗传算法在离散变量结构优化中的应用及其改进方案综述

简要介绍了遗传算法的基本原理，以及使用遗传算法进行离散变量结构优化的过程。针对传统的遗传算法在优化过程中的不足之处，介绍了几种改进方案，分别应用于遗传算法的编码、搜索、目标函数的生成等各个环节，以提高整个算法的执行效率。     

软土大变形固结计算中参数识别的遗传算法

含水量很高的饱和软土在外荷载作用下沉降很大,小变形分析误差太大,必须通过大变形非线性固结计算来模拟。遗传算法是一种全局优化和搜索的仿生算法。近年来随着工程领域中复杂的大规模非线性系统的出现,遗传算法日益得到青睐,目前已经广泛应用到各个领域中。本文对遗传算法做了改进,主要体现在杂交算子的选取和轮盘赌模型的模拟退火拉伸,并将其用于饱和软土的大变形固结分析,解决其中的关键参数识别问题。研究表明该方法是行之有效的,值得进一步研究探索。     

遗传算法与单纯形法组合的影像纹理分类方法

提出遗传算法(简称GA)与单纯形法组合的影像纹理分类方法(简称GASPX)。单纯形法是一种局部搜索方法，它通过反射，扩张，收缩操作，求得新的单纯形点，组成新单纯形，新单纯形比前一个单纯形更接近局部最优解。这种寻优方法收敛速度快，它与GA组合起来可以改善单独使用GA收敛速度慢的缺陷。由于在组合算法中是多个单纯形的局部区域的并行搜索，避免GA优化过程中过早收敛于局部最优解的现象出现。通过5种不同类别航空影像纹理识别的试验，并与GA的结果作对比，结果表明GASPX法优于GA法。     

遗传算法在图像处理中的应用

遗传算法在图像复原中的应用是在原始像片上找一小块影像较明显的地物，通过建立实验场或用其它一些地面摄影的方法得到与之对应的比较理想的图像，通过遗传算法解得退化函数模块，然后把退化函数模块作用于原始像片，通过遗传算法迭代计算而得到整幅较为理想的像片。实验证明，把遗传算法应用于图像复原中可以对具有任何噪声的图像进行处理，结果比较理想。     

遗传算法在上地幔速度结构研究中的应用

遗传算法是近年来发展较快的一种求解非线性优化问题的有效方法。本文通过对遗传算法基本原理的介绍，对该方法的特点进行了分析。我们采用ＷＫＢＪ理论地震图作正演，遗传算法作反演，对用体波波形反演上地幔速度结构的方法进行了研究。在ＷＫＢＪ理论地震图的计算中，通过计算主要射线的平均吸收特征时间，考虑了衰减随距离的变化，通过对不同震源引入不同的虚拟界面，同时对多个地震的波形记录进行反演。探讨了观测误差对反演结果的影响。对理论记录的反演表明，用遗传算法研究上地幔速度结构具有较好的效果。     

用遗传算法将地球化学测井数据转换为矿物成分

提出了一种在遗传算法基础上把地球化学数据转换为岩石的矿物成分的技术。遗传算法是一种组合优化方法，它仿真自然界适生存原理，该算法能解决各种各样的数据拟合，参数评估及解决来自各种科学领域的优化／搜寻问题。     

基于GA-BP神经网络的路基沉降预测

如何科学、合理地预测路基沉降是高速公路建设的关键,针对传统的BP神经网络算法易陷入局部极小值,影响预测精度的问题,本研究利用遗传算法(genetic algorithm,GA)的全局寻优能力对BP神经网络进行优化,构建了基于GA-BP神经网络的路基沉降预测模型。以高速公路路基沉降监测进行实验验证分析,结果表明：相较于传统BP神经网络模型,GA-BP神经网络模型的预测精度有了显著的提高,可为高速公路的建设及后续工程的沉降预测提供参考。     

基于GA-MLP的东北地区Tm模型研究

针对常用的经验大气加权平均温度(T_m)模型在我国东北地区普遍精度较低等问题,利用遗传算法优化的多层感知器模型,采用东北地区7个探空站2014—2017年的数据进行模型训练,建立适合我国东北地区的T_m模型。依据2018年的数据进行预测分析,实验结果表明：首先,GA-MLP的T_m模型的预测平均偏差为0.04 K、均方误差为4.06 K和判定系数R²=0.920,各项精度评估指标较常用的GPT2w、单/多因子线性、非线性T_m和MLP模型均为最优,模型性能更好,拟合度更高;其次,在GPS反演大气可降水量中,较常用的单因子线性和GPT2w模型,GA-MLP的T_m模型在长春站的反演精度最高,均方误差精度提升1.1%和4.9%,平均偏差精度提升2.5%和13.2%,证明GA-MLP的T_m模型在东北地区反演PWV的适用性。     

基坑支护结构水平变形预测的遗传神经网络方法

采用遗传算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,先用遗传学习算法进行全局训练,再用BP算法进行精确训练。就遗传算法过程中的选择、变异进行了探索,提出了用BP网络训练产生变异的遗传算法。作为实例,将该方法应用于预测基坑支护结构水平变形中。结果表明,该方法有收敛速度较快、预测精度高等优点。