基于演化-单纯形算法和结构物理响应反演结构物理参数的方法

演化计算是上世纪 60年代后基于生物进化的思想发展起来的一类求解优化问题的自适应、自组织、随机搜索的全局优化算法。针对遗传算法、演化策略两种演化计算存在的问题 ,文献 [1]将演化计算与单纯形算法相结合 ,设计了一种基于浮点编码的演化 -单纯形算法。本文将演化 -单纯形算法应用于结构动态反应下的结构物理参数反演分析 ,建立了一种基于时间域实测的结构部分物理响应的结构物理参数反演分析方法。为提高反分析效率 ,文中将物理坐标空间问题转换到模态空间来求解 ,提出了模态演化 -单纯形算法。通过与其它方法的算例比较表明 :本文提出的反演分析方法有精度和搜索效率高、抗燥能力强、对不完全信息情况有很好的适应性等优点。     

太阳影子定位参数反演模型的混合粒子群算法

针对非线性太阳影子定位参数反演问题,给出一种基于单纯形算法的权重线性递减的粒子群混合算法,此混合算法融合了单纯形算法的精确局部搜索能力和粒子群算法全局搜索能力,且采用权重线性递减的粒子群算法加快了算法的收敛速度。在太阳影子定位参数反演的数值实验中,所提算法不仅成功反演参数,而且拥有较高的计算精度和更快的收敛速度。     

基于Lingo和单纯形算法的综合暴雨强度公式参数解析

以安徽芜湖市连续26年的暴雨强度资料为依据推导其综合暴雨强度公式,首先用Lingo软件编程求出暴雨强度公式参数作为初始值,然后再利用单纯形算法对其参数进行优化.实例计算结果表明:采用Lingo软件和单纯形算法相结合的方法求解综合暴雨强度公式不仅克服了盲目选择初始值这一难题,而且所得结果比传统方法的精度更高,能有效解决实际优化设计问题.     

基于单纯形模拟退火算法的桁架结构优化设计

提出了应用单纯形模拟退火算法对桁架结构进行优化设计，并对模拟退火算法中参数的选择进行了探讨，算例分析表明了单纯形模拟退火算法应用在桁架结构优化中的可行性和有效性。     

基于DEPSO 的工程项目增量净收益优化研究

针对当前工程项目网络计划制定中难以对工期、成本、质量三大目标进行有效统筹管控的问题。将这三大目标转化为增量净收益目标,解决由于各单目标之间量纲的不同而难以统筹优化问题,建立了增量净收益最大的工期—费用—质量模型,理清了它们之间错综复杂的关系和相互对立的局面。充分利用差异演化算法和粒子群算法的各自优点,提出了差异演化粒子群算法对上述多目标优化模型进行求解;并通过工程实例检验差异演化粒子群算法的有效性,计算结果显示,改进算法在很大程度上改善了求解性能,极大地提高了工程项目的净收益。     

基于单纯形-有限随机追踪法的边坡稳定性分析

有限随机追踪法在边坡稳定性分析中的全局搜索能力,为边坡稳定性分析提供了新的思想。本文主要将单纯形法的局部搜索能力与有限随机追踪法的全局搜索能力有机结合起来,形成单纯形-有限随机追踪法优化算法,并利用改进Bishop算法对边坡进行稳定性分析,最终得到边坡稳定性系数的全局最优解。依据上述思想编制了边坡稳定性分析程序,并对边坡工程进行稳定性分析与评价。研究结果表明:根据单纯形-有限随机追踪法优化算法计算得到的边坡稳定性系数是全局最优解,具有较高的精度,单纯形-有限随机追踪法优化算法具有较强的全局搜索能力,分析结果可靠。     

基于交互式演化的海报设计方法

典型的现代优化方法只能解决显示优化问题,本文主要从隐式优化问题入手,利用交互式演化算法让用户参与目标个体评价的特点,计算出满足用户需求的最优个体,最后将此方法用在海报设计上,得出较好的结果。     

基于单纯形加速理论混凝土瞬态温度场热学参数的动态反演研究

基于单纯形加速理论,对混凝土瞬态温度场热学参数进行了反演研究。基于Bayes理论,推导了混凝土瞬态温度场热学参数的动态误差函数。利用单纯形加速理论优化动态误差函数,研究了热学参数的反演方法,编制了相应的计算程序。从理论推导和典型算例分析可知,利用单纯形加速理论反演混凝土瞬态温度场热学参数时,只需利用若干点温度观测值即可同时进行多个热学参数的反演分析,且无需计算误差函数对待估参数的偏导数,大大提高了计算效率。计算结果表明,单纯形加速理论用于温度场热学参数的动态反演是适合的,具有良好的计算精度和数值稳定性。     

一种新的多目标演化规划及其在结构优化中的应用

演化规划算法是解决多目标优化问题的算法之一。本文在演化规划原有理论框架的基础上 ,采用ELECTRE方法构建级别不劣于关系 ,并结合基于个体强度的适应度评估机制设计了一种新的多目标演化规划。桁架结构优化的算例证明本方法可有效解决结构多目标优化设计问题 ,对工程应用具有一定的参考价值     

土钉结构稳定验算的经验遗传–单纯形算法

针对基坑开挖的土钉支护问题,提出将经验遗传–单纯形算法应用于支护结构的稳定性验算,并与一般遗传算法的结果进行了比较。比较结果表明:本文建议的方法更有效和准确。文中还对一个具体的工程实例使用本文建议的方法进行了验算分析,并与商业软件的分析结果做了比较。结果表明:该商业软件未能搜索到最危险滑裂面,其结果对稳定性评价是偏于不安全的。此外,在土钉支护的稳定性验算过程中,一些优化程序在求解安全系数时将土层看作或是转化为均质土,而本文方法考虑了土体的分层。     

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。     

基于遗传算法的混全优化反分析及比较研究

围绕优化反演分析中计算收敛速度，精度和稳定性问题，着重就传统和现代两类优化方法开展以下3方面的研究：（1）将阻尼最小二乘法与遗传算法耦合起来，发展了阻尼最小二乘法-遗传耦合算法；（2）将两类混合优化方法，阻尼最小二乘法-遗传算法和模拟退火-遗传算法较早地用于优化反演分析；（3）结合基坑工程算例，对单纯形法，阻尼最小二乘法，遗传算法，模拟退火-遗传算法和阻尼最小二乘法-遗传算法进行了比较分析，结果表明，与单纯形法等传统的优化方法相比，基于遗传算法的一类现代优化方法具有较好的全局收敛性；与常规的遗传算法相比，阻尼最小二乘法-遗传和模拟退火-遗传等算法有效地提高了优化反演的计算搜索速度和精度。     

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。     

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。     

基坑土钉支护优化设计的遗传算法

将新兴的交叉学科遗传算法用于基坑土钉支护优化设计中,该方法模拟了生物遗传进化的过程,克服了传统方法容易陷入局部最优值的缺点,是一种全局优化算法。以单位长度上钉墙的上钉材料造价作为优化的目标函数,全部约束均按《基坑土钉支护技术规程》（ＣＥＣＳ９６：９７）~(［２］)的要求给出。编制了基坑土钉支护优化设计软件系统。通过实例证明了本文提出的方法的有效性。     

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。     

滑坡和边坡稳定性分析的模拟退火-随机搜索耦合算法

首先，建立了一个可适用于滑坡和边坡在任意复杂条件下进行一般滑裂面的稳定性分析的优化数值分析普遍模型：然后，利用模拟退火算法和随机搜索法的各自的特长和优点，有机地将两种算法结合起来建立了一种可用于求解所建立的优化数值分析普遍模型的耦合算法，并对世界范围内被广泛引用的3个工程实例进行了分析，结果表明，该方法是可行的和高效的。     

整数编码遗传算法离散变量优化设计

提出了一种具有较强局部搜索能力的整数编码遗传算法,给出了离散变量结构优化的数学模型和适应度函数,它采用动态边界约束、有限变异算子、( - 1,0,1)规划算子等策略来改进算法。算例表明本文算法收敛速度快、收敛平稳     

四面体网格修匀算法研究

对有限元分析中网格优化的算法进行了研究。基于单元形状的度量准则,构造了与不可微目标函数等价的可微目标函数,建立了四面体网格修匀的优化模型。为了尽量避免陷入局部优化,采用了BFGS与混沌搜索相结合的求解算法,提高了获得全局最优解的概率。算例结果表明,该优化算法易于实现,稳定性好,效率较高,能够用于实际的网格优化。