自适应小生境遗传算法在土钉支护结构整体稳定性分析中的应用

根据极限平衡理论和遗传算法原理,建立了基于自适应小生境遗传算法的土钉支护结构内部整体稳定性分析模型,该模型利用自适应小生境遗传算法搜索最危险滑动面及其对应的最小安全系数,同时能定量分析各设计参数对土钉支护结构整体稳定最小安全系数的影响。针对遗传算法在寻优过程中存在的问题,引入小生境淘汰技术,设计自适应交叉函数和自适应变异函数,自适应调整交叉率和变异率策略,克服了简单遗传算法易陷入局部极小和早熟收敛的缺陷,提高了算法的搜索效率、精度和稳定性。通过对珠江三角洲地区某深基坑实例分析,得到了一些有益结论,可作为软土深基坑支护结构优化设计和施工提供参考。     

基于自适应遗传算法的钢筋混凝土桥墩抗震设计方法

为满足钢筋混凝土桥墩抗震设计中对构件承载力和延性的要求,常需依靠设计者经验,对配筋方案进行反复调整,这就在一定程度上增加了结构设计难度,降低了工作效率。为解决这一实际问题,对传统自适应遗传算法中交叉率和变异率的计算方法进行改进,通过当前适应度值动态调整交叉率和变异率,在此基础上提出基于自适应遗传算法的钢筋混凝土桥墩结构抗震设计方法,实现对符合条件设计解的自动随机定向搜索,提高求解的收敛速度,并增强算法的鲁棒性。在对每一配筋方案的抗弯承载力和位移延性系数的计算中,又提出基于自适应遗传算法的钢筋混凝土桥墩弯矩 曲率关系的计算方法,提高求解效率。通过设计算例,可见该方法快速有效,计算过程无需人工干预,实现钢筋混凝土桥墩结构抗震设计的人工智能化。     

一种异型改进的自适应遗传算法

遗传算法搜寻全局最优解的优异特性使其在许多应用领域中获得了很好的运用,但该算法作为一种随机优化算法,对求解相对繁杂的全局优化问题易使最优解收敛至局部最优解.而标准的自适应遗传算法是在遗传算法的基础上对交叉率的值和变异率的值进行线性自适应调整,在收敛性能有所提升,但仍然不能有效避免算法的早熟.提出一种异型改进的自适应遗传算法(Heterogenic improved adaptive GA,简称HIAGA),即在对变异率和交叉率进行曲线自适应调整的同时应用精英保留策略的方法.仿真实验结果表明,HIAGA算法在处理收敛速度和避免搜寻结果成为局部最优解等方面能达到较好的处理效果.     

基于改进遗传算法的满堂支架传感器优化布置

基于桥梁施工用的满堂支架杆件密集、整体受力复杂、不易确定传感器布置方案的困难,采用二重结构编码的改进遗传算法对满堂支架的传感器布置方案进行优化。在改进的遗传算法中,采用二重结构编码进行种群的初始化、交叉和变异,交叉时采用自适应部分匹配交叉,变异时采用自适应逆位变异,该方法克服了传统遗传算法应用于大型结构传感器优化布置时收敛速度慢且易陷入局部最优的缺陷。     

基于优化遗传算法的多配送中心车辆路径研究

将遗传算法与模拟退火算法相结合,提出了一种基于优化遗传算法的多配送中心车辆路径调度方法,该调度方法不仅具有自适应遗传算法的强大全局搜索能力,也具有模拟退火算法的强大局部搜索能力。通过对杂交率和变异率进行自适应调整、对接受算子进行退火处理,有效地增强了全局寻优能力,通过对适应值函数退火拉伸,加速了寻优过程。     

改进的精英保护策略遗传算法及其在十杆桁架优化设计中的应用

本文针对标准遗传算法存在早熟的问题，从两个方面进行了改进，首先采用了精英保护策略和自适应的交叉和变异算子，其次结合结构优化中的力学准则按照内力变化进行变异操作。最后将改进的精英策略遗传算法应用于十杆桁架结构，并同标准遗传算法相比较，结果表明改进的遗传算法是可行、有效的，而且收敛速度更快。     

改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下,为了避免或减少钻井事故的发生,达到优质快速钻井的目的,选择合适的钻井液体系至关重要。基于案例推理(CBR,Case-Based Reasoning)的钻井液设计中,钻井液体系由岩性、井型和井深等属性推理得出,但属性权重的分配会对推理结果产生显著的影响;遗传算法在优化属性权重时,存在收敛速度慢、收敛精度低的缺点。针对上述问题,提出一种解决CBR中属性权重分配问题的改进遗传算法。首先,对遗传算子进行改进:选择算子方面,利用指数尺度变换法优化个体选择;交叉算子方面,对算术交叉中的比例因子进行自适应调整;变异算子方面,改进个体变异方向,保持种群多样性。其次,从个体适.应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后,通过对UCI数据集的对比实验,证明了改进后的遗传算法能改善全局收敛性能,提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中,实验结果表明,所提方法能够优化属性权重的分配,进而提高钻井液设计的质量。     

改进遗传算法在渗透系数反分析中的应用

利用水头实测资料,以渗透系数为待反演的参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值、计算量较大及易早熟等缺点,提出以自适应遗传算法来解决工程中的这类问题.力求使改进的遗传算法计算量更小,收敛性更强,同时结合二维稳定渗流有限元工程实例进行了反演计算.结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题.因此,自适应遗传算法为渗流领域求解反演问题提供了新的途径.     

媒体重头文章概览

《土木建筑与环境工程》03/2013改进多程群遗传算法在墙土系统损伤识别中的应用针对墙土系统损伤识别方法进行研究,提出了一种基于改进多种群遗传算法的墙土系统损伤识别方法。首先,建立了墙土系统动测简化模型,同时对土体发生损伤时墙土系统的特征方程进行理论分析,基于系统的特征方程构造目标函数;其次,对多种群遗传算法进行改进,改进的内容主要包括采用实数编码、采用自适应交叉概率、采用自适应变异概率;最后,利用改进多种群遗传算法分别进行了无噪声条件和噪声条件下的墙土系统损伤     

基于遗传算法的混凝土搅拌机上料机构优化设计

介绍用遗传算法优化设计混凝土搅拌机上料机构。该算法采用二进制编码，取比例选择方式，交叉操作基于概率随机选择父本单点交叉，变异操作基于概率随机变异。采用惩罚函数方法，将约束优化问题转为无约束优化问题。给出了遗传算法优化混凝土搅拌机上料机构的优化结果。     

基于小生境遗传算法的单层网壳结构优化设计研究

本文提出了一种改进的遗传算法,将小生境技术与模糊控制思想引入其中,从而达到保护种群的多样性的目的,同时使每代最优解得以保存。简单遗传算法本身存在着过早成熟收敛,后期收敛速度放慢等缺陷,其在加入小生境技术后虽可保持种群群体的多样性,使其优化过程不致过早收敛,但是由于小生境技术本身的特点,又不可避免地会产生部分个体的早熟以及陷入局部最优,本文于是在小生境遗传算法基础上加入模糊控制思想,对种群的杂交概率Pc和变异概率Pm进行模糊控制,从而形成了一种新型的模糊控制小生境遗传算法。最后通过单层网壳结构的数值实例证明了该方法的有效性和可行性,进一步为空间网格结构的优化设计奠定了基础。     

基于加速混合遗传算法搜索复杂边坡的最危险滑动面

基于简化Bishop条分法分析复杂边界边坡的稳定性,以圆弧滑裂面与边坡面的左右交点的两个X坐标--XL和XR以及滑裂面圆心坐标的Y坐标--Y0作为设计变量,提出一种加速混合遗传算法(AHGA)对设计变量进行优化。该方法是通过把无约束优化的Powell算法作为一个与遗传算法的选择、交叉和变异平行的算子,嵌入到改进的实数编码遗传算法中而得到的,它同时具有两个方法的优点,有较强的自适应能力,使得收敛速度加快,还有可能搜索到最优化问题的全局最优解。通过一高速公路边坡工程实例验证,加速混合遗传算法(AHGA)搜索到的圆弧滑动面与现场勘察结果很吻合,优于简单遗传算法(SGA)。     

地下洞室地表非线性沉降模型参数确定新方法

根据随机介质理论构建地下洞室地表非线性沉降模型,把 DFP 变尺度算法作为一个与遗传算法的选择、交叉和变异平行的算子,嵌入到改进浮点编码遗传算法中,从而获得基于 DFP 算法和改进浮点编码遗传算法的加速混合遗传算法(AHGA),该方法既保留了 DFP 算法和改进浮点编码遗传算法的优点,又使收敛速度较快,还有可能搜索到最优化问题的全局优化解。通过某地下洞室地表沉降的工程实例分析表明,加速混合遗传算法不仅能解决地下洞室地表非线性沉降模型参数确定问题,而且优化结果优于其它方法。     

Reliability-based optimization of steel truss arch bridges

A reliability-based optimization approach is developed and applied to minimize the weight of steel truss arch bridges subject to probabilistic (the overall probability failure of the structure) and deterministic (stress and deflection) constraints. The method intelligently integrates the genetic algorithm (GA), the finite element method and the first order reliability method. A real-coded/integer-coded method is used to realistically represent the values of the design variables. Three GA operators consisting of constraint aggregate selection procedure, arithmetic crossover, and non-uniform mutation are proposed. The finite element method (FEM) and the first order reliability method are used to compute the value of the probabilistic and deterministic constraint functions. A numerical example involving a detailed computational model of a long span steel arch bridge with a main span of 550 m is presented to demonstrate the applicability and merits of the present method. Finally, several important parameters in the present method are discussed.     

基于并行改进遗传算法的三维电阻率反演方法

计算效率极低是阻碍遗传算法用于三维电阻率反演的瓶颈,使得很多对改善反演效果和搜索质量有利但又很耗时的改进方法无法应用到遗传算法中。针对上述问题,基于遗传算法天然的并行计算特性,提出了新的多重主从并行计算策略及其算法。提出了初始群体的严格均布产生方法,以提高初始群体接近最优解的概率;提出了基于交叉个体适应度差异的比例随机算术交叉算法,以保证优良个体的遗传竞争优势;建立了混合变异算法,将传统的随机变异算法与线性反演中确定性搜索优化算法相结合,即保持了变异的随机性又控制了优化方向。最后将并行改进遗传算法用于合成算例和实际应用案例中,发现并行改进遗传算法的计算效率显著提高,且在寻找最优解、压制假异常、提高反演效果方面具有明显优势,为实际工程中电阻率探测的三维成像提供了有效途径。     

A genetic-algorithm-based resource-constrained construction scheduling system

Resources for construction activities are limited in the real construction world. To avoid waste and shortage of resources on a construction jobsite, scheduling must include resource allocation. A new resourceconstrained construction scheduling system is proposed in this paper. A GA-based searching technique is adopted in the system. In this paper, new GA crossover and mutation operators, UX3 and UM3, are presented. These new operators overcome the drawback of traditional GA operators for sequencing problems. The system effectively can provide the optimal combination of construction duration, resource quantities and minimum project duration under the constraint of limited resources.     

加速混合遗传算法在搜索边坡最危险滑动面中的应用

基于简化Janbu条分法,提出一种加速混合遗传算法,在无需对边坡最危险滑动面的几何形状进行假设的前提下,自由搜索最危险任意形状滑动面,并计算其对应的最小安全系数。该方法是通过把无约束优化的Powell算法作为一个与遗传算法的选择、交叉和变异平行的算子,嵌入到改进的实数编码遗传算法中而得到的,它同时具有两种方法的优点:(1)有较强的自适应能力,使得收敛速度加快;(2)还有可能搜索到最优化问题的全局最优解。首先通过一算例验证加速混合遗传算法的准确性,然后应用于一工程实例。与现场勘察结果对照表明,加速混合遗传算法搜索到的最危险滑动面与实际情况吻合得很好,优于简单遗传算法。     

Optimal chiller loading by genetic algorithm for reducing energy consumption

This study employs genetic algorithm (GA) to solve optimal chiller loading (OCL) problem. GA overcomes the flaw that with the Lagrangian method the system may not converge at low demand. This study uses the part load ratios (PLR) of chiller units to binary code chromosomes, and execute reproduction, crossover and mutation operation. After analysis and comparison of the two cases studies, we are confident to say that this method not only solves the problem of convergence, but also produces results with high accuracy within a rapid timeframe. It can be perfectly applied to the operation of air-conditioning systems.