基于v-SVR和MVPSO算法的边坡位移反分析方法及其应用

 针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MVPSO)算法。基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解。应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之间的非线性支持向量机模型,提高v-SVR的预测精度和推广泛化性。然后,利用v-SVR模型的外推预测替代耗时的FLAC正向计算,利用改进的MVPSO算法搜索岩体力学参数的最优组合,提出v-SVR和MVPSO相结合的边坡位移反分析方法(v-SVR-MVPSO算法),与传统的BP-GA算法和v-SVR-GA算法相比,该算法在反演精度和反演效率上均有较大幅度提高。最后,将本文发展的v-SVR-MVPSO算法应用到大岗山水电站右岸边坡岩体参数反演分析,并对边坡后续开挖位移和稳定性进行预测,取得较好的效果。     

全局最优位置变异粒子群优化算法

针对粒子群优化算法的早熟收敛,容易陷入局部最优且搜索精度不高等缺点,在现有的粒子群优化算法的基础上对其进行了若干改进,提出了避免微粒群陷入局部最优的全局最优位置变异的粒子群算法,并与其他算法做了比较,体现了其优越性.     

边坡非圆弧临界滑动面的粒子群优化算法

采用粒子群优化算法搜索边坡的临界滑动面及其对应的最小安全系数。粒子群优化算法不断迭代更新试算滑动面，使其安全系数不断减小，经过有限次的迭代分析可确定边坡临界滑动面及其对应的全局最小安全系数。粒子群优化算法具有较好的全局搜索和局部搜索能力，可克服多数常规的优化方法易陷入安全系数局部极小的问题，并具有较高的搜索效率。同时，粒子群优化算法易于与极限平衡法或有限元-极限平衡法相结合进行边坡稳定分析。通过数值算例及与其他学者的结果比较，证明提出的确定边坡临界滑动面方法的有效性。     

基于模拟退火算法的边坡临界滑面搜索方法

 总结一般情况下滑动面应该满足的基本规律,这些规律在进行滑面优化时对临时产生的滑面起到约束作用。利用非线性有限元法得到坡内真实应力场,将模拟退火算法这一人工智能型非数值优化方法与边坡稳定的有限元方法相结合,探讨基于有限元分析方法的边坡最小安全系数及任意形状临界滑动面的搜索技术。针对临界滑面的搜索过程中,随机生成的初始滑面或试算滑面难以满足滑面几何约束条件这一缺陷,采用动态搜索域的概念,使变换过程局部化,计算效率大为提高。计算的结果表明：该算法找到全局最优解,并且真实再现某些情况下,圆形或其他非圆形式的临界滑动面。     

单纯形算法在高速公路深挖路堑边坡设计中的运用

推导了以滑面圆心坐标为参数的均质简单边坡Bishop计算式,采用单纯形算法搜索该类边坡的临界滑裂面,编制了搜索临界滑面软件,用于海南横线万宁—儋州—洋浦高速公路某深挖路堑边坡,实践证明,单纯形算法可快速、准确的搜索到临界滑面。     

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。     

基于改进粒子群算法CHPSO-DS的面板 坝堆石体力学参数反演

面板堆石坝堆石体力学参数反演优化问题是一个多变量、多约束的混合非线性规划问题,当正演过程用神经网络模拟器替代后,高效快捷的优化算法成为解决问题的关键.提出一种用以解决这一复杂优化问题的混合算法--混沌直接搜索粒子群(CHPSO-DS)算法.在改进的算法中,首先结合混沌优化思想对粒子群进行初始化,减轻粒子初始位置的选择对算法优化性能的影响;利用直接搜索法克服了粒子群算法后期搜索效率降低的缺陷,提高算法局部搜索能力.为证明该算法的优越性,同时将该算法与遗传算法(GA)用于水布垭面板堆石坝堆石体力学参数的位移反分析计算中.实践证明,利用CHPSO-DS算法搜索时能快速收敛到全局最优解,且算法具有较强的鲁棒性;两算法对比结果也表明,不论是优化精度还是收敛时间,CHPSO-DS算法都较GA有明显提高.最后利用CHPSO-DS算法反演的堆石体力学参数进行测点沉降预测,结果表明各个测点的计算位移值与监测值吻合较好,说明CHPSO-DS算法在复杂岩土工程位移反分析中具有良好的实际应用价值,值得进一步研究和推广.     

含分布式电源的配电网优化重构

针对传统二进制粒子群(binary particle swarm optimization,BPSO)算法应用于配电网重构时容易"早熟"的问题,提出了一种改进的混合粒子群算法。首先,通过加入遗传算法(genetic algorithm,GA)中的杂交环节和模拟退火(simulated annealing,SA)算法中的Metropolis更新机制,使算法更容易跳出局部最优,具有更好的全局搜索能力;其次,在重构过程中利用破圈法更新辐射状拓扑结构,改进编码规则,避免了大量不可行解的产生;最后,通过对不计及分布式电源(distributed generation,DG)和计及分布式电源的IEEE33节点配电系统重构仿真,验证了改进的混合粒子群算法是可行的和有效的。     

SQP-GA混合遗传算法在接地网腐蚀诊断中的应用研究

针对应用在接地网腐蚀诊断中基本遗传算法(genetic algorithm,GA)局部寻优能力较差现象,提出了一种改进的遗传算法,即序列二次规划-遗传算法(sequential quadratic program-ming-genetic algorithm,SQP-GA)。SQP-GA混合遗传算法引入序列二次规划(sequential quadraticprogramming,SQP)算法作为基本GA的局部搜索算子,有效地提高了基本GA的性能,该混合算法充分利用了序列二次规划法的强大的局部搜索能力和遗传算法优秀的全局寻优能力,使得诊断结果得到改善并且减少仿真时间。通过ATP-Draw软件模拟一个41节点、61支路实例接地网进行腐蚀仿真实验,仿真结果表明,SQP-GA混合遗传算法在接地网腐蚀诊断中的收敛速度与寻优精度均优于基本GA,验证了该算法的有效性。     

基于Monte Carlo技术的临界滑面搜索算法的实现及改进

搜索临界滑面是边坡稳定分析的一项重要工作。本文对Venanzlo R Greco提出的Monte Carlo搜索算法进行了改进,增加一条几何合理性条件(除了滑面两端点,滑面与坡面不能相交),增加了方向控制与变自由度机制,这些措施有效地减少了不满足几何合理性条件的试算滑面,保证了搜索过程的准确、高效、稳定。笔者还将此算法加入到自主研发的边坡稳定分析软件ZSlope中,它还可以实时显示整个搜索过程。     

基于和声策略的粒子群优化算法在土坡稳定分析中的应用

土坡极限平衡稳定分析中临界滑动面的搜索是一个复杂的优化问题,在应用常规微粒群算法搜索时往往因参数较多且难以确定以及飞行速度越界的缺陷而陷入局部最优。基于对常规微粒群算法寻优思想的分析,借鉴和声算法的搜索策略来更新粒子的位置,提出基于和声策略的微粒群优化算法,该方法继承了常规微粒群算法中利用本身经验和社会认知的优势,又借鉴了和声策略的简单易行优势。将该方法应用于土坡稳定分析中,通过算例比较分析,证明新算法的有效性。     

复杂边坡滑动面确定的联合搜索法

 针对复杂边坡特点,提出改进的滑动面搜索变量选取方式,通过左、右出滑点和弧高控制滑动面位置,搜索变量取值范围不再需要经验假定。使用分区间搜索策略,以寻找最危险滑动面和潜在危险滑动面,同时也将搜索区域分割,增大算法搜索到全局最优值的可能性。利用混沌优化算法和复合形法联合搜索算法确定复杂边坡的最小安全系数和滑动面,充分利用混沌搜索和复合形法各自的优点,有效地避免陷入局部最小值,并克服混沌优化耗时较长的不足。通过对复杂边坡实例的计算,结果证明,采用改进搜索变量的基本复合形法寻优成功率比传统搜索变量高出40%～60%。联合搜索法的最小安全系数集中于1.70～1.72,全局搜索能力远远优于基本复合形法。多级边坡工程算例的分析表明,该边坡的4条潜在滑动面,其安全系数与最小安全系数相差不超过7.6%,最小仅相差3.6%,但相应的滑动面位置与最危险滑动面完全不同。     

边坡非圆弧潜在滑动面全局优化的新方法

最危险潜在滑动面搜索是边坡稳定性分析中的一项关键工作,最危险滑动面的准确确定对边坡稳定性评价、设计、施工等均具有重要意义,随着计算机技术的发展,各种最优化方法在最危险滑动面搜索中得到广泛应用。Leapfrog算法是一种优秀的全局优化方法,该方法模拟分子在空间中运动的物理现象,以分子势能表示目标函数,通过一定策略追踪分子的运动轨迹,获得问题解。极限平衡分析是工程界普遍接受的稳定性分析方法,以安全系数(滑动面的函数)为目标函数,将Leapfrog算法与Spencer法结合,提出确定任意形状滑动面的新方法,并通过2个经典算例说明该方法的可行性。     

Improved genetic algorithm and its application to determination of critical slip surface with arbitrary shape in soil slope

In order to overcome the problem of being trapped by the local minima encountered in applying the simple genetic algorithm (GA) to search the critical slip surface of the slope, an improved procedure based on the harmony search algorithm is proposed. In the searching computation, the new solutions are obtained from the whole information of the current generation. The proposed method may be applied to calculate the minimum factors of safety of two complicated soil slopes. Comparison of the results with existing examples given by other authors has shown that the proposed method is feasible for stability analysis of soil slopes.     

A Hybrid Particle Swarm—Gradient Algorithm for Global Structural Optimization

Abstract: The particle swarm optimization (PSO) method is an instance of a successful application of the philosophy of bounded rationality and decentralized decision making for solving global optimization problems. A number of advantages with respect to other evolutionary algorithms are attributed to PSO making it a prospective candidate for optimum structural design. The PSO‐based algorithm is robust and well suited to handle nonlinear, nonconvex design spaces with discontinuities, exhibiting fast convergence characteristics. Furthermore, hybrid algorithms can exploit the advantages of the PSO and gradient methods. This article presents in detail the basic concepts and implementation of an enhanced PSO algorithm combined with a gradient‐based quasi‐Newton sequential quadratic programming (SQP) method for handling structural optimization problems. The proposed PSO is shown to explore the design space thoroughly and to detect the neighborhood of the global optimum. Then the mathematical optimizer, starting from the best estimate of the PSO and using gradient information, accelerates convergence toward the global optimum. A nonlinear weight update rule for PSO and a simple, yet effective, constraint handling technique for structural optimization are also proposed. The performance, the functionality, and the effect of different setting parameters are studied. The effectiveness of the approach is illustrated in some benchmark structural optimization problems. The numerical results confirm the ability of the proposed methodology to find better optimal solutions for structural optimization problems than other optimization algorithms.     

基于遗传算法的土坡三维可靠度分析

 边坡稳定分析的三维安全系数方法和三维可靠度分析方法一般均需人为给定一个与滑坡体宽度相关的参数或仅针对固定三维滑面进行分析计算。由于这样计算得到三维安全指标并不是最小值，因此难以反映边坡真正的安全度水平。引入随机场局部平均计算模型，考虑土性参数的空间相关性，边坡存在一个最小可靠指标对应的三维滑坡形态，这为采用优化方法进行土坡稳定三维可靠度分析奠定基础。对最小三维可靠度指标与三维临界滑面存在的缘由进行分析。遗传算法是一种优秀的全局寻优算法，可以有效解决边坡稳定分析临界滑面搜索问题。引入土性参数的空间相关模型，结合边坡稳定的三维简化毕肖普方法，直接以边坡稳定的三维可靠度指标为优化目标，建立基于遗传算法的边坡稳定三维可靠度分析方法。该方法无需滑坡宽度的假定，可以得到真正的边坡稳定三维可靠指标及对应的三维临界滑面。算例说明该方法的有效性。     

非均质边坡上限分析的离散机构及应用

 针对非均质边坡,尤其是内摩擦角非均匀边坡的上限分析问题,提出一种新的上限机构。该机构基于滑动面离散的基本思想,采用点到点的方式生成速度间断面,并满足相关联流动法则要求以及几何均匀性条件。推导该机构内外功率的计算方程,并采用序列二次规划(SQP)算法和二分法联合求解边坡的临界高度。利用Matlab编制程序进行求解。将该机构结果与已有文献以及数值模拟结果进行对比,证明该机构在均质、各向异性、非均质等多种工况下均有良好的适用性。最后利用该机构分析内摩擦角随深度线性变化边坡的临界高度变化规律,结果表明内摩擦角非均匀系数对临界高度有显著影响。     

蒙特卡洛法与有限元相结合分析边坡稳定性

蒙特卡洛随机搜索法与弹塑性有限元法结合,求解边坡稳定问题。根据有限元分析的应力和孔隙水压力结果计算给定滑动面的安全系数。利用随机走步法不断更新试算滑动面,使其安全系数不断减小。通过比较一定数量的试算滑动面,确定边坡临界滑动面及其对应的最小安全系数。本方法通过随机搜索克服了大多数常规优化方法易陷入安全系数局部极小的问题。同时,本方法利用有限元法分析的应力和孔隙水压力结果,按有效应力法计算边坡安全系数,可分析施工过程中应力和孔隙水压力变化对边坡最小安全系数的影响。数值算例分析说明了所提出的确定边坡临界滑动面的方法的有效性和优越性。     

改进和声搜索算法及其在土坡稳定分析中的应用

土坡非圆临界滑动面的寻求是土坡稳定分析的重要步骤,它是一个多极值的优化问题。利用改进的和声搜索算法和修复策略来寻求复杂土坡的临界滑动面及其对应的安全系数,并对改进和声搜索算法与基本和声搜索算法的结果进行了比较,发现改进和声搜索算法比基本和声搜索算法能搜索到更危险的滑动面,原因在于,改进和声搜索算法在每次迭代步中产生多个新解,而基本和声搜索算法中每次迭代产生一个新解。此外,修复策略比惩罚策略更能有效地搜索解空间。结果表明,改进的和声搜索算法和修复策略可以用来进行土坡稳定分析。