利用层次性协同演化方法优化深基坑支护问题(英文)

介绍了应用于深基坑支护复杂系统设计的协同优化算法。针对深基坑支护问题的层次性和不同层次设计间的相互影响,将现有的协作优化算法和协同演化算法结合起来,构建了一种新的协同优化算法:协同演化优化算法。分析了协同演化优化系统中子系统优化间存在的冲突和处理方法。最后以锚固式排桩支护和截水帐幕的并行协同设计,验证了算法的有效性。     

基于粒子群算法协同优化基坑支护问题

城市深基坑支护的优化设计存在着层次性且不同层次间的设计相互影响,为此设计了一种协同智能优化算法:协同演化优化算法,并在协同演化优化中运用粒子群算法来加快演化速度,简化优化过程。分析了协同演化优化系统中子系统优化间存在的冲突和处理方法。最后以锚固式排桩支护和截水帐幕的并行协同设计,验证了该算法的有效性。     

协同演化算法在基坑支护工程优化设计中的应用

提出一个用于基坑支护工程优化设计的协同演化模型,并给出相应的协同演化算法．利用基坑支护系统各子系统之间既相互独立又相互联系的特点,提供了问题空间与外空间不断演化的协同机制,实现了基坑支护方案和细部结构的协同优化设计．通过一个简化的基坑支护参数优化问题——“锚杆 排桩”支护体系的应用实例,说明文中的模型和算法对于基坑支护工程的优化设计是有效且适用的．     

基坑支护工程遗传优化设计中协同演化模型的研究

该文在两层协同演化模型的基础上,提出了一个用于基坑支护工程优化设计的三层协同演化模型,并对该协同演化模型的实现模型、约束处理、适应值调整等关键技术进行了比较详细的探讨。     

基于遗传算法的基坑支护协同演化处理模型

分析了基于遗传算法的协同演化优化方法及深基坑支护的特点。提出了用基于遗传算法的协同演化优化方法来求解基坑支护层次性优化问题的模型,并给出了约束处理和目标函数转换的策略。实例表明所提出的策略是可行有效的。     

一种支持深基坑支护工程优化设计的协同演化算法

提出了一种支持深基坑支护工程优化设计的协同演化算法，并介绍了实现遗传优化的相关技术。通过对“锚杆 排桩”支护体系应用系统的实验数据分析，说明该算法的实效性和适用性。     

面向特征选择问题的协同演化方法

特征选择技术是机器学习和数据挖掘任务的关键预处理技术。传统贪婪式特征选择方法仅考虑本轮最佳特征,从而导致获取的特征子集仅为局部最优,无法获得最优或者近似最优的特征集合。进化搜索方式则有效地对特征空间进行搜索,然而不同的进化算法在搜索过程中存在自身的局限。本文吸取遗传算法（GA）和粒子群优化算法（PSO）的进化优势,以信息熵度量为评价,通过协同演化的方式获取最终特征子集。并提出适用于特征选择问题特有的比特率交叉算子和信息交换策略。实验结果显示,遗传算法和粒子群协同进化（GA-PSO）在进化搜索特征子集的能力和具体分类学习任务上都优于单独的演化搜索方式。进化搜索提供的组合判断能力优于贪婪式特征选择方法。     

基于分布式优化的协同干扰任务分配研究

为保证目标区域干扰覆盖和最小能量消耗的优化目标,建立协同干扰任务分配模型。在分布式协同优化框架下,将集中式任务分配问题,转换为各个虚任务区内小规模的分布式优化问题,采用分解-协调优化模式和启发式遗传算法相结合的方法,实现对各个子区域优化问题的二次迭代求解。仿真结果表明,分布式协同优化方法能够有效降低协同干扰任务分配问题的求解规模,避免“维数灾”,具有可行性。     

面向离散优化问题的量子协同演化算法

为解决现有离散优化算法在有限时间内容易出现过早收敛或难以收敛的问题,提出了面向离散优化问题的量子协同演化算法。该算法通过种群初始化策略构建分布均匀的初始种群,并改进粒子群和单点优化算法成为具有不同搜索能力的协同演化策略,进而利用量子旋转门根据种群个体的进化情况自适应地选择合适的演化策略,最后利用精英保持策略避免种群的退化。在标准离散问题和背包问题的测试环境中,各算法的平均收敛精度和实际收敛情况均表明,已提出的算法能够在有限时间内,收敛到精度较高的解,可用于求解具有时效要求的离散优化问题。     

基于协同演化遗传算法的文本特征获取方法

信息过滤技术是解决“信息过载”和“信息迷向”问题的有效手段。为高效地确立用户的信息需求模型,提出利用协同演化的遗传算法解决多主题多文本的特征获取问题。协同演化遗传算法根据种群中个体进化速度、效果的不同,采取相互评价、相互学习、群体进化的协同演化策略,使得个体在其它种群、个体的指导下,不断获得较好的基因,从而实现文本特征的抽取。实验验证了方法的有效性。     

城市深基坑支护工程中的遗传优化模型研究

文章在研究分析城市深基坑支护工程众多因素的关系和特性的基础上,建立了城市深基坑支护体系的遗传优化数学模型,提出了一种适用的基于遗传算法的两层协同演化模型。该模型为解决多因素优化问题提供了一种新的思路。     

交通网络车流量的分布式协同优化方法研究

针对城市交通网络主干道车流量密度非连续特性,分析了交通网络车流量分段仿射模型.从最小化车流量延迟角度,给出了优化目标函数并进行凸分析.在此基础上,将城市交通网络系统描述为非完整性约束条件的非线性动态系统,利用反步法通过控制变量代换和状态转换将该系统转化为时变可控协同标准型的一般形式,并设计城市交通网络系统的分布式协同控制律.然后在城市主干道交通网络模型中,分别对协同分布式优化方法、定时控制、感应控制三种交通控制算法进行对比仿真分析,从仿真结果可以看出,本文所提出的协同分布式优化方法具有较好的性能,有效的降低了交通网络中车辆平均等待时间.     

基于协同演化的文本特征获取算法

作为证券监管机构,如何从海量的网络信息中有效地对文本信息进行准确的分类,对于提高日常监管工作效率是非常重要的。该文主要基于数据挖掘技术,以矢量空间模型VSM为文本的表示方法,提出了一个基于协同演化遗传算法的多文本特征抽取算法,有效地降低了文本特征矢量的维数,为文本分类模板获取等多文本特征获取问题提供了一个可行的解决方案。     

基于改进异质协同演化的测试用例生成研究

路径搜索是测试用例自动生成的重要环节。针对遗传算法在测试用例生成中的“早熟”缺陷,提出一种改进的异质协同演化算法,将种群划分成两个子种群,分别采用遗传子群和差分子群进行演化,在演化的过程中两个子种群相互协作,通过改进迁移间隔代数和迁移率这两个参数,增加扰动,更加均衡遗传算法的全局探索与差异演化算法的局部搜索。实验结果表明,该算法比遗传算法和传统异质协同演化算法在生成测试用例的收敛性能方面更具优势,因此该方法更适合测试用例自动生成的应用中。     

模拟电路的多目标优化与演化设计

对模拟电路设计中涉及的多个目标进行了定义与量化,并针对这些目标提出一种面向模拟电路演化设计的多目标遗传算法,该方法利用非支配排序和适应值共享策略来提高搜索方向的空间均匀性,引入基于电路构造指令的编码方案来支持电路自动生成和提高电路演化的效率,并且该编码方案也同样适用于数字电路。利用协同演化的适应值评估策略来增强种群的学习能力,提高演化效率。实验结果表明,该方法可以设计出更实用、简单的模拟电路。     

清水湾基坑支护设计

本工程为拟建的某住宅小区(高层部分)基坑支护项目,根据勘察报告及本工程实际情况,经过对3种支护方案的综合对比,决定采用竖向花管——喷锚复合支护技术。主要措施为喷锚支护结合放坡减载,花管注浆处理素填土及淤泥质粉质粘土的综合方法对基坑进行支护。并辅以截水、抽排水措施,确保边坡及基底不受水浸泡。在设计计算方面,主要依据《基坑工程技术规程》,截取了基坑典型的西面段作为例子。采用郎肯理论分层计算土压力,从而确定锚杆的轴向锚拉力;然后设计锚杆的截面积、自由段长度、锚固长度。另外还介绍了注浆花管处理素填土及淤泥质粉质粘土和地下水控制设计。最后对基坑的整体稳定性、抗滑稳定性、抗倾覆稳定性进行了验算。采用圆弧滑动法对加固边坡通过坡脚及坡底以下不同深度的滑弧进行整体稳定性验算,得整体稳定性系数,满足设计要求;将加固边坡视为重力式挡墙,验算其抗滑稳定性,抗倾覆稳定性,以及抗隆起稳定性,都满足设计要求。     

面向服务匹配问题的协同演化算法

服务匹配是服务发现的主要环节.目前,原子服务匹配过程主要存在服务匹配概念狭窄、匹配算法的时间复杂度较高及匹配方案的表示难以被智能优化算法处理等问题.针对上述问题,在原子服务匹配的基础上引入复合服务匹配、抽象复合服务匹配过程的适应度函数及约束条件,设计适用于智能优化算法处理的匹配方案的表示方法.同时,结合协同演化算法设计思路,提出基于粒子群和模拟退火的协同演化算法(PSO-SA),用以求解复合服务匹配.实验结果表明:与现有智能优化算法相比,PSO-SA可在有限迭代次数内获得精度较高的匹配结果,对不同维度的服务匹配问题具有较高的适应性,可用于提高服务发现结果的质量.     

协同演化算法研究进展

协同演化算法(coevolutionary algorithms, CEA)是当前国际上计算智能研究的一个热点,它运用生物协同演化的思想,是针对演化算法的不足而兴起的,通过构造两个或多个种群,建立它们之间的竞争或合作关系,多个种群通过相互作用来提高各自性能,适应复杂系统的动态演化环境,以达到种群优化的目的.介绍了协同演化算法的研究状况以及目前的研究进展,概述了它的基本算法、主要特点、理论与技术,同时介绍了一些主要的应用领域,指出了协同演化算法的研究方向.     

演化仿真优化的并行实现及其应用

由于仿真对象的复杂性，一些仿真模型很难用有效的解析函数来表达，同时演化算法不要求优化目标具有连续，可导等特点，因此，演化算法用于仿真优化具有很大的优越性，针对仿真优化这一领域提出了演化仿真优化的概念及其形式化语言描述，并给出了演化仿真优化的算法实现框架，演化仿真优化的模型评估需要大量的计算时间，根据仿真优化的特点，提出主／从模式，粗粒度孤岛仿真优化模型及它在PVM，DCOM下的实现，并给出了两个控制器优化设计的实验，仿真试验的结果表明：对于演化仿真优化来说主／从模式的并行度要高于粗粒度孤岛模型，并得出以下结论，对于演化仿真优化来说仿真模型越复杂，主／从模式的性能越好。     

软硬件协同循环优化方法的设计与实现

为了提升处理器执行循环的性能,降低循环开销,提出一种适用于多发射数字信号处理器(DSP)的软硬件协同循环优化方法.在对循环体量化分析的基础上,利用编译器进行循环标志指令的插入和循环开销指令的删除,并由新增的硬件专用循环单元根据循环标志指令携带的信息实现循环计数器的增减和取指地址的计算等功能,达到零开销循环的目的.在多发射DSP SuperV_EF01上的实验结果表明,应用文中方法后,指令周期数和汇编代码大小平均降低了20.94％和4.06％.