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。     

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。     

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。     

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．     

一种引入局部交互的群体协作行为协同进化机制

现有协同进化模型在求解子系统间存在相互关联作用的问题时存在不足,使其难以高效产生群体复杂适应性协作行为．针对这一问题,依据系统论和非线性科学理论,构造了一种引入局部交互的群体复杂协作行为协同进化机制．该机制通过局部交互作用探测局部启发信息,并结合全局启发信息共同引导协同进化过程,从而使求解过程朝着正确的方向进化．算法分析及多机器人协作推箱实验表明,该机制模型及其算法有效地克服了现有协同进化模型的不足和局限,能使复杂关联的群体协作行为高效地朝着全局最优协作方向演化．     

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.     

基于改进郭涛算法的CCEA函数优化问题

郭涛算法在求解函数优化问题方面具有独特的优势,其核心在于多父体杂交。鉴于郭涛算法只有杂交操作而没有变异操作,该文引入高斯正态分布变异算子,提高了对复杂问题的求解效率。分析合作式协同演化算法(CCEA),采用多种群相互作用协同进化的策略求解复杂问题。同时在合作式协同演化模型中引入了郭涛算法,求解复杂高维的函数优化问题。实验结果表明,该模型的效率优于其他模型。     

耦合系统协同进化多学科设计优化算法研究

针对耦合系统的优化问题,为提高系统的自适应性,提出了协同进化多学科设计优化算法.算法受生态系统内生活在同一地域物种间既有竞争又有合作的协同进化关系的启发,将协同进化算法的分解与协作思想和MDO方法的分解与协同思想相结合,在域值分解的基础上将复杂耦合系统分解成学科间相对独立并保持自治的多学科系统.隐含迭代策略协调学科间耦合约束的一致性.建立了多个优化过程模型.并提出的算法应用于多学科耦合系统进行测试,优化结果与MDF、IDF和AAO三种单级优化方法的优化结果进行比较,显示有较强的搜索能力以及较快的收敛速度和自适应性.     

本体协同演化冲突检测与消解方法研究

随着本体数量的不断增加和语义Web的发展,多用户本体协同操作成为发展的必然趋势,但是在共同协作的本体环境中总是充斥着各种冲突,所以协同演化冲突检测和消解是亟需解决的一个问题.提出了一个分类检测并消解演化冲突的结构化方法,根据演化冲突的复杂程度分为直接冲突、衍生冲突和不一致冲突,针对不同类型冲突的特点构建相应的协同演化冲突检测算法,最后通过判断演化冲突对中是否存在可删操作和寻求最大一致子序列进行冲突消解,使得多个本体演化意图并存,最终实现本体协同演化的目标.该算法在一定程度上提高了本体协同演化的效率,为开放环境下大规模本体演化的进一步发展奠定了基础.     

合作型协同演化算法研究进展

合作型协同演化算法是近年来计算智能研究的热点。它运用生物协同演化的思想,通过构建两个或者多个种群,建立它们之间的合作关系。两个或多个种群通过相互合作来提高各自的性能,适应复杂系统的动态演化环境以及大规模演化环境,从而达到种群优化的目的。主要介绍了合作型协同演化算法的研究状况以及国内外研究进展,详细介绍了它的基本结构及对应的研究、基本算法及一些新兴算法,同时介绍了一些在现实生活中的应用,展望了合作型协同演化算法的发展前景。     

面向多峰优化问题的双层协同差分进化算法

多峰优化问题是一类存在多个全局最优解的复杂优化问题,不仅要求算法找到尽可能多的最优解,而且要求算法尽可能提高所找到的最优解的精度.演化计算方法是求解这类问题的重要手段.但是传统演化计算方法面临多样性和收敛性两个方面的挑战.针对这两个方面的挑战,提出了一种通过探索层和精炼层协同演化的双层协同差分进化算法.在探索层中,每个个体作为一个分布式搜索单元探索并定位到一个最优解.在协同过程中,探索层引入个体寿命机制,将耗尽寿命且定位到最优解的个体存入一个外部存档,然后重新初始化这些个体以找到更多的最优解.在精炼层中,首先对探索层输送过来的外部存档中的个体进行聚类,然后对每一个类使用经典的全局优化差分进化算法进一步提升所找到的最优解的精度.因此,探索层和精炼层分别针对多样性和收敛性挑战,通过协同演化使得算法不仅能够找到尽可能多的最优解,而且使得找到的最优解的精度尽可能高.使用目前最常用的CEC'2013标准测试集中的所有20个多峰优化问题对所提出算法的性能进行测试,并与13种表现突出的和最新的多峰优化算法进行比较.实验结果显示,所提出的双层协同差分进化算法的整体性能优于所比较的13种多峰优化算法.     

基于CCEA和改进郭涛算法的函数优化问题求解

在合作式协同演化(CCEA)的基础上,引入了使用高斯变异算子的郭涛算法,设计了一种求解函数优化问题的高效混合演化算法.通过求解复杂高维的函数优化问题的多个实例,并将该算法和CCEA与基本郭涛算法结合的方法--CCGT进行了对比.实验结果表明,新算法是高效的,其结果优于现存文献中的其它模型,但不及CCGT优秀.证明在该算法中引入的高斯变异算子的作用不大.     

基于混沌蚂蚁的分布式系统协同优化方法

针对复杂分布式系统的优化问题,提出基于混沌蚂蚁的复杂分布式系统协同优化方法.在系统理论指导下,分析复杂分布式系统中自主Agent的基本动力学特征,进而提出复杂分布式系统协同优化模型.在此基础上,借助混沌蚂蚁群算法(CAS)的思想,建立基于混沌蚂蚁的复杂分布式系统协同优化算法(CAS-CO).通过对复杂多Agent网络中基于位置的任务分配问题进行仿真实验,同时与已有算法仿真结果对比,表明CAS-CO算法可行有效,反映文中模型的正确性和Agent的自主性在复杂分布式系统设计和构建中的重要性.     

改进的多学科协同优化算法及其应用

多学科优化设计（MDO）是当前复杂系统工程设计中研究最活跃的领域.分析了标准多学科协同优化算法解决实际复杂MDO问题计算困难的原因,提出了基于试验设计的近似模型和智能优化的协同优化算法（NCO）.NCO算法继承了标准协同优化分布并行的思想,采用现代智能算法优化系统级减小优化陷入局部解的可能性,以试验设计为基础的高精度近似模型代替学科真实模型降低计算成本,平滑数值噪声.通过经典MDO测试算例与Alexandrov提出的改进松弛协同优化比较,优化结果表明,NCO能有效提高收敛速率,保证收敛结果的稳定性和可靠性,能更好地满足复杂系统工程优化需要.     

用协同演化并行PSO重构扩展的超二次曲面模型

针对用传统方法难以求解的扩展的超二次曲面三维模型参数拟合问题,提出了用协同演化的并行粒子群优化算法求解的新方法。通过对扩展的超二次曲面三维表示特性的研究,设计和实现了基于岛屿群体模型的并行粒子群优化算法,并用协同演化的思想,将约束非线性优化转化为极小极大问题进行求解。实验结果表明用协同演化的并行粒子群优化算法重构扩展的超二次曲面三维模型,扩大了模型表示能力,建模精确且效率高。     

复杂动力学模型参数优化问题的协同进化算法

复杂反应动力学建模中,系统参数的优化是需要解决的关键问题之一.该类优化问题具有多参数、非线性以及参数相关性强等特点.协同进化算法将多种群之间的协同作用以及种群内部的独立进化相结合,适合于求解该类问题.将改进的协同进化算法应用到化工氧化反应建模过程的系统参数优化问题中,避免了解决该类问题的传统优化算法中易陷入局部极值以及初值依赖性强的缺点,运用理论证明了该算法的有效性.测试结果表明,协同进化算法对于求解该类复杂参数优化问题是有效的.     

多学科混合变量协同设计优化方法研究

为解决同时含有离散和连续两种变量形式的混合变量复杂产品设计优化问题,利用“分而治之”的混合参数处理思想,在协同设计优化算法的基础上,提出一种多学科混合变量协同设计优化方法．该方法先将优化问题解耦分解成相对简单的多个子系统进行优化计算,然后利用协同设计优化算法的协同机制求得全系统最优解．算例验证结果表明了所提出方法的可行性和有效性．     

一种改进的协同优化算法及其应用

针对协同优化方法收敛困难、优化效率低的问题,提出了一种改进的协同优化算法—ICO算法。通过引入自适应松弛因子将一致性等式约束转化为不等式约束,同时建立混合惩罚函数,将系统级约束优化问题转化为无约束优化问题,ICO算法较好地克服了传统协同优化算法难于收敛的缺点。标准算例实验结果表明,ICO算法能够有效提高优化的稳定性、可靠性和计算效率。优化结果显示了协同优化算法解决海洋供应船的设计优化问题的有效性,为解决更为复杂工程系统的设计优化问题奠定了基础。