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。     

搜索土坡潜在滑动面的蚁群算法

对土坡圆弧滑动面的搜索可以简化为圆心坐标及半径的搜索问题，而非圆弧滑动面的搜索，也可简化为滑动面上若干关键点坐标的搜索问题。因此，土坡潜在滑动面的搜索可变成一个典型的复杂连续函数优化问题。本文就此提出一种新的解决连续函数优化问题的连续型蚁群算法，它具有简单易实现且计算效率高等特点，特别适用于复杂工程优化问题。最后，通过一个典型算例进行验证，并与遗传进化算法比较表明，本算法的计算效率较高。     

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。     

土坡稳定分析中模拟任意滑动面的新策略及其效率分析

土坡稳定分析中的临界滑动面搜索需要以有效地模拟滑动面策略为前提.本文基于对常用策略的分析,提出了几种新策略以模拟任意滑动面,并利用和声搜索算法和Spencer法联合进行土坡稳定分析,将新策略以及常用策略应用于4个土坡的临界滑动面搜索中,比较了采用不同策略的搜索效率.计算结果表明:对于简单的均质土坡,不同策略的效率相差不大;而对于复杂土坡,应用本文提出的新策略则比应用常用策略的效率高,且该策略适用于含规则、不规则软弱夹层土坡的计算.     

基于改进蚁群算法的边坡稳定分析方法研究

为解决在考虑土体真实应力条件下,求解连续解空间内的临界滑裂面问题,通过在应力场的基础上定义安全系数,并引入改进蚁群算法,搜寻边坡的全局最小安全系数和相应的滑裂面。以圆弧滑裂面为对象,构建了基于应力场和改进蚁群算法进行边坡稳定分析的数学模型。研究表明:该方法用于边坡稳定分析评价,鲁棒性强,收敛速度快,计算精度高,计算程序可靠,为边坡工程的稳定分析提供了一种新的、有效的计算手段。     

Rosenblueth法在边坡可靠度分析中的应用

针对在确定具有最小可靠度指标的滑动面时蒙特卡罗法耗时长的问题,通过两个典型土坡,采用简化Bishop法计算滑动面的抗滑稳定安全系数从而构建了边坡可靠度分析的功能函数,利用圆弧构建潜在滑动面,利用Rosenblueth法计算每个潜在滑动面的可靠度指标,采用和声搜索算法搜索潜在滑动面的变化以寻求最小可靠度指标滑动面,并与常规极限平衡方法得到的最小安全系数对应的滑动面进行了比较。结果表明:简单均质土坡临界滑动面与最小可靠度指标滑动面基本重合,非均质土坡最小可靠度指标滑动面与临界滑动面相差较大,可靠度指标相差也较大,在具体应用时建议采用Rosenblueth法进行最小可靠度指标滑动面的确定。     

蚁群算法求解梯级水电厂日竞价优化调度问题

应用蚁群算法(Ant Colony algorithm,ACA)，即利用蚂蚁群体相互协作和邻域搜索寻找功能，求解梯级水电站日竞价优化调度问题。计算中定义水库调度线为蚂蚁路径，利用状态转移、信息素更新和邻域搜索，不断调整路径逐步向最优值逼近。计算结果表明，梯级电站电量时空分配合理，并且满足约束条件，该算法可以求解具有复杂约束条件的非线性梯级优化调度问题。     

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。     

边坡临界滑动场软件改进及在滑坡稳定性评价中的应用

为增强边坡临界滑动场软件的适用性，考虑孔隙水压力及外水压力，在软件中增加水压力模块，使其适用于临水岸坡的稳定性分析。为验证软件的实用性，将其应用于三峡库区某动水压力型滑坡的稳定性评价，并与GeoStudio软件的计算结果、GEO-SLOPE软件的搜索结果进行比较。结果表明，增加水压力模块后的软件适用于水位变化过程中的岸坡稳定性分析，能够较好地自动搜索出地层复杂的滑坡临界滑动面，拓展边坡临界滑动场软件的工程应用范围。     

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。     

一种新型智能仿生类算法-蚁群算法

蚁群算法是一种新型智能仿生类算法,是受到蚂蚁在觅食过程中建立蚁巢到食物最短路径时的搜索机制启发而提出的一种算法。蚁群算法在求解一系列困难的组合优化问题上取得成效,成为解决TSP、VRP、QAP、JSP等典型问题的一种新型强有力算法。本文对蚁群算法理论研究的主要内容和方法、基于算法的改进等,进行了系统的总结与综述。     

一种新型遗传算法及其在土坡任意滑动面确定中的应用

提出了一种便于工程应用的改进模拟任意滑动面策略。针对简单遗传算法容易陷入局部最优值的缺陷，借鉴和声算法产生新解的方式来产生遗传算法中的子代个体。该策略能综合利用整个父体的信息来构建子代。将该方法用于求解两个复杂土坡的最小安全系数，所得结果与已有文献结果比较证明，新型遗传算法能搜索到更小的安全系数，可应用于土坡稳定分析。     

改进蚁群算法及其在水利工程项目管理中的应用

为了更加有效解决水利工程项目管理中的多目标决策问题,提出了一种改进蚁群算法。该算法首先利用遗传算法的全局搜索能力将信息素初始化,然后在算法进行遍历过程中引入变异操作和交叉操作,提高算法的鲁棒性和有效性。水利工程项目多目标优化案例分析表明,较传统遗传算法和蚁群算法,本文提出的方法对于解的寻找速度更快,解的质量更高,该算法具有较高的全局寻优能力。该研究为水利工程项目管理多目标决策问题的解决提供了一种新的思路和方法。     

用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

改进GEP方法在边坡非圆临界滑动面搜索中的应用

基因表达式编程(Genetic Expression Programming,简称GEP)是模拟生物遗传进化过程的一种新型优化方法,其结合遗传算法(GA)和遗传编程(GP)各自的优点,使编码更为方便、简单。为了进一步改善GEP方法的局部搜索能力和克服“早熟”现象,将局部搜索能力很强的单纯形法和回溯机制引入GEP中,提出了混合GEP方法。以安全系数为目标函数,将混合GEP法和不平衡推力法结合,提出确定非圆弧临界滑动面的新方法。2个经典算例的计算结果表明:该新方法可以准确地搜索到边坡非圆临界滑动面及相应的安全系数,且混合GEP方法的局部搜索精度和全局搜索能力均优于标准GEP方法,同时收敛速度得到明显提高。     

蚁群算法求解梯级电站短期优化调度改进研究

本文提出一种改进蚁群算法(Improved ant Colony Optimization Algorithm)求解梯级水库群短期优化调度问题。该算法的改进主要包括嵌入邻域搜索的单库轮换寻优、基于出力反推的初始解生成技术和约束优先的目标函数比较方法。以四川某中型流域梯级三级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

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。     

混沌蚁群算法在水库优化调度中的应用

提出一种基于混沌优化算法和蚁群算法相结合的混合算法,在求解水库优化调度问题的方法。根据混沌变量的随机性和遍历性,利用混沌变量进行优化搜索,从而有效地克服了蚁群算法存在的效率低、易于演化停滞及陷入局部最优等问题。又利用蚁群算法信息素正反馈的优点,改善了混沌搜索的盲目性,提高了搜索的效率。通过实例计算,结果表明该算法具有效率高及较强的全局寻优能力。