一种新的岩土工程进化反分析算法

通过对岩土工程传统优化反分析方法缺点的分析，指出了基于进化算法的进化优化反分析的可行性及遗传算法反分析的不足之处。为了克服这些反分析方法的缺点，首次把另一种进化算法——进化规划引入岩土工程领域，并为了改善传统进化规划的不足，提出了免疫进化规划新算法。在此基础上，结合有限元数值分析技术，提出了一种新的岩土工程反分析算法——免疫进化规划反分析。最后，通过一个简单算例验证了该法的有效性。     

蚁群算法及其在硐群施工优化中的应用

为解决复杂的组合优化问题，近来提出了一种新的模拟进化算法－－蚁群算法。从原理，算法实现等方面详细介绍了该算法，并针对有序组合优化问题，改进了原算法。把改进算法应用于地下工程中的一类组合优化问题－硐群施工顺序优化。一个大型地下硐室群工程的施工顺序优化结果表明，蚁群算法的应用效果良好，是解决岩土工程中的组合优化问题的一种好方法。     

岩土工程参数反演的一种新方法

介绍了新近提出的一种模拟进化算法——粒子群算法,相对于其他进化算法,粒子群算法的优势在于简单、易实现且收敛快。把该算法引入岩土工程参数反演领域,同时为了克服粒子群算法后期搜索效率降低的缺陷,把单纯形法嵌入到粒子群算法中,提出岩土工程参数反演的一种新方法——基于粒子群算法和单纯形法的混合算法。算例表明,混合算法在参数反演计算中体现出良好的优化性能和很快的收敛速度,是一种新颖可行的参数反演方法。     

一种新的岩石工程进化反分析算法

通过对岩土工程传统优化反分析方法缺点的分析，指出了基于进化算法的进化优化反分析的可行性及遗传算法反分析的不足之处，为了克服这些反分析方法的缺点，首次把另一种进化算法-进化规划引入岩土工程领域，并为了改善传统进化规划的不足，提出了免疫进化规划新算法，在此基础上，结合有限元数值分析技术，提出了一种新的岩土工程反分析算法-免疫进化规则反分析，最后，通过一个简单算例验证了该法的有效性。     

边坡可靠性分析的蚁群小波神经网络研究

边坡系统本身的各种参量是不确定的和随机的,在其演化过程中,表现出复杂的非线性行为。故针对边坡工程可靠性分析中存在的问题,根据能够全局优化的蚁群算法原理,提出一种适用于估计岩土体边坡可靠性的蚁群小波神经网络,构造了边坡可靠性指标预测的蚁群小波神经网络模型。预测结果表明,该模型用于边坡可靠性分析是可行的,对保证边坡安全具有借鉴意义。     

基于改进蚁群算法的钢结构优化设计

在介绍蚁群优化算法的原理、基本框架的基础上,提出了一种改进的蚁群算法——分层蚁群算法,并将该算法应用到钢结构优化设计中,最后通过一个算例验证了该方法的效率和有效性,结果表明该方法科学可行,具有很好的应用前景。     

用复合蚁群算法确定边坡临界滑动面

阐述了蚁群算法基本原理，针对蚁群算法局部搜索能力不强等问题进行探讨，把单纯形加速度法引入蚁群算法中构成复合蚁群算法，可加强局域空间的探索，通过工程实例进行了验证。计算表明，在边坡临界滑动面确定中，复合蚁群算法对改善搜索效率、确保计算精确度具有明显效果。     

基于蚁群算法的排水管道系统优化设计

引入一种新的优化设计方法——蚁群算法，并将该法应用于排水管道系统的优化设计。通过实例说明了蚁群算法的设计过程，并与遗传算法进行了比较，结果表明蚁群算法在给排水管网设计中有较为广阔的应用前景。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

岩土工程反分析的计算智能研究

 传统岩土工程学科的研究方法及思路限制了岩土工程反分析技术,乃至整个学科的发展,因此,从研究思维变革的根本上着手,把现代智能科学中的新发展分支—计算智能引入岩土工程反分析,可望使其产生一个飞跃性突破,以至带动整个岩土工程学科的发展。基于此思路,本文把计算智能方法引入反分析领域(本文反分析指位移反分析),全面而系统地进行了反分析的计算智能研究。 岩土物性参数反演可分为正反分析(优化反分析)及逆反分析两种。针对正反分析目标函数的复杂性,把进化计算引入正反分析研究,提出了进货反分析方法。基于前人的研究及对算法机理的分析,提出了一种快速收敛遗传算法反分析方法。首次结合进化规划、人工免疫系统原理及有限元计算提出了一种新的免疫进化规划反分析方法,标准算例证明它是一种相当理想的正反分析方法。从系统逆辨识的全新角度观察反分析研究,提出了基于神经网络的逆反分析思路。并提出了一种结构及权值同时进化的新型进化神经网络模型,并由它进行了进化神经网络逆反分析研究。 为了进行模型辨识,基于岩土本构模型的统一表达式,提出了一种新的岩土本构模型类内辨识的进化方法。基于分子生物学及现代进化论观点,创造性地提出了一种既模拟生物种间竞争又模拟生物种内竞争的生态竞争进化模型。基于此,提出了一种岩土本构模型类间识别并同时反演其物性参数的新算法。 根据位移时序分解原理,以灰色系统拟合位移序列的趋势,以本文提出的网络结构及算法参数同时进化的进化神经网络逼近序列的趋势偏离量,首次提出了基于灰色系统—进化神经网络的位移时序混合智能建模新方法。并通过两个工程实例验证了该混合智能方法的良好位移建模及预测能力。 最后,采用天生桥一级电站工程、某抽水蓄能电站工程及三峡永久船闸中隔墩岩体三个工程实例进行了免疫进化规划参数反分析、生态竞争模型岩体本构识别及灰色系统—进化神经网络位移序列建模预测研究,从工程实例角度验证了前述反分析方法的可行性。 计算智能在岩土工程中的应用研究是一个新兴的领域,本文仅进行了一定程度的计算智能反分析研究,但也未能穷尽。因此,本文研究只能起到抛砖引玉的作用,期望对此方面研究有兴趣的广大研究者共同努力,促进此项研究的发展。     

桁架结构优化设计的改进蚁群算法

通过对已有的优化方法进行分析,针对蚁群算法容易收敛到局部最优解的缺陷,通过遗传算法和禁忌算法来提高增加蚁群算法的全局优化能力,并改进了算法的灵活性和扩展性;将改进的蚁群算法应用到桁架结构优化设计中,提出了桁架结构优化设计的改进蚁群算法,并建立了相应的优化模型;最后,对10杆平面桁架的优化进行了研究和分析,结果表明,提出的改进蚁群算法是科学可行的。     

基于蚁群算法的土石坝土体参数反演

介绍了新近为求解复杂组合优化问题而提出的蚁群算法。将蚁群算法运用于土石坝土体参数反演问题的求解:先对反演参数的搜索空间进行离散,将参数反演问题转化成一个组合优化问题;再针对土体参数反演问题的特点,改进蚁群算法,并将其用于土体参数的反演计算。算例表明,改进蚁群算法可有效求解土石坝土体参数反演问题。     

改进的蚁群算法及其在桁架结构优化中的应用

蚁群算法是优化领域中的一种新型模拟进化算法,具有很强的搜索较优解的能力,其缺点是搜索时间长、容易出现停滞现象。引用局部搜索能力较强的模拟退火算法对其改进,使其跳出局部最优,发现更高质量解。并将其成功应用在25杆桁架中,结果表明,基于模拟退火的改进蚁群算法是有效可行的,是解决组合优化问题的有效方法。     

混沌扰动启发式蚁群算法及其在边坡非圆弧临界滑动面搜索中的应用

通过引入混沌扰动算子增加解的多样性和提高全局寻优能力，另外通过构造蚂蚁的启发式搜索方式提高对局部最优解的搜索能力，从而有效地克服了基本蚁群算法容易出现停滞和搜索效率低的缺陷。还利用Spencer法和Janbu法，探讨了所提出的具有混沌扰动算子启发式蚁群算法在边坡稳定性分析中的应用。实例计算和对比分析结果表明，该法有效而又可靠。     

资源有限下的公共建设项目进度优化研究--基于改进的蚁群优化算法

进度优化是施工项目计划的一个重要方面,文章提出了运用改进的蚁群优化算法来解决资源有限下的公共建设项目的进度优化问题,通过对西安北客站的实例的分析,进一步验证了蚁群优化算法对进度优化问题的求解具有普遍适用性。     

非线性最小二乘估计的蚁群遗传融合算法

基于对遗传算法和蚁群算法的分析,提出把蚁群算法和遗传算法相结合的混合算法,有效避免了两种算法的不足之处,并将该混合遗传算法用于非线性最小二乘参数估计中,算例验证了该算法的可行性和有效,性。     

蚁群算法在雨水管道系统优化设计中的新尝试

引入一种新的优化设计方法——蚁群算法,并探讨将该法应用于雨水管道系统的优化设计.通过实例说明蚁群算法的过程,并与遗传算法进行比较,表明蚁群算法在给排水管网设计中有较为广阔的应用前景.     

软土盾构隧道不均匀沉降预测的蚁群算法改进及参数选取

 根据实测沉降数据,分析软土盾构隧道不均匀沉降发展规律及其成因,获得规律性的主导信息,配以随机性较强的辅助信息,对蚁群算法预测模型进行完善,并结合实例初步探讨模型中部分参数的选取原则。研究结果表明：(1) 可认为实测数据中规律性的主导信息与纵向沉降槽内沉降显著位置的数量、累计沉降量及其与沉降非显著位置的间距有关;(2) 改进后的预测模型计算过程清晰、算式简单、使用方便,且预测精度更高,最大误差可控制在0.5%左右;(3) 信息素挥发系数和蚂蚁总数的匹配对预测结果精度的影响较大,而反映辅助信息的修正函数在无随机因素出现时其作用并不明显。