遗传算法在约束优化问题中的应用

介绍了利用遗传算法求解约束优化问题的一般方法,在分析传统方法的基础上提出一种遗传算法求解约束优化问题的新方法,还对该方法在不同问题下作了分析,证明了该方法对求解有约束优化问题有良好性能。     

微动勘探技术及其在土木工程中的应用

介绍阵列微动勘探这一新的勘探方法，并结合现场试验数据探讨该方法在土木工程地质调查领域中的应用。在土木工程、地震防灾等领域，地下的横波速度分布是一个重要物性参数，通常是通过钻孔，利用P—S披测井取得。这一方法虽然能获得较精确的速度值，但由于需要钻孔，成本高，费时长，而且对环境有一定的破坏作用。近年来在日本开发了一种新的勘探方法——阵列微动勘探(array microtremor survey),该方法通过布置于一定范围内的数台地震仪同步地记录微动信号，然后以平稳随机过程为理论依据，从微动信号中提取瑞雷面波的频散特性，最后通过对频散曲线反演来推测地下的横波速度分布。通过现场试验数据分析，探讨该方法在土木工程领域的应用可能性。试验结果表明，由微动勘探获得的地下横波速度模型与传统的P—S波测井结果整体上具有很好的一致性，虽然阵列微动勘探的分辨率差一些，但对于较厚的地层，求得的横波速度及界面深度有较高的精度。该方法与传统的利用钻孔的P—S波测井方法相比，施工简单、成本低、费时短、对环境无任何影响，特别适用于人口密集、交通繁忙的市区。如果该方法与钻孔相结合，可以通过少量钻孔快速、准确地把握地下的三维横波速度模型。     

遗传算法在参数反演中的应用

研究土工问题,土性参数的合理估计非常重要,根据工程实测值反演土性参数不失为一种有效估计参数的新思路.本文采用遗传算法并结合Biot固结有限元数值法对一假设路堤的双层地基的一些主要土性参数进行反演,结果显示误差很小,收敛速度也很快,这说明遗传逄法这种新型的优化算法在土性参数优化估计中具有精度高、反演快的优越性,克服了传统的梯度优化方法如共轭梯度法、拟牛顿法和单纯形法所具有的搜索速度随反演参数增多吴级数减慢、容易陷人局部极值点和误差传递导至不收敛等缺点,因此值得在本领域参数优化中推广.     

遗传算法在给水管网优化设计中的应用

遗传算法是一种新型的进化算法，它是一种通过模拟自然进化过程搜索最优解的随机寻优的数学规划方法．阐述了应用遗传算法进行给水管网优化设计的原理、特点，并对青岛市城阳区某工业园给水管网工程进行优化求解．     

遗传算法在水文地质参数反演中的应用

本文基于遗传算法 (GA)这一全局优化技术 ,以及地下水模拟的有限元模型 ,给出了地下水系统的反演方法。并应用到北京市应急水源地水文地质参数反演中 ,反演参数包括渗透系数和给水度 ,共 8个分区的 2 4个变量 ,来验证模拟模型的可用性、适用性和鲁棒性。结果表明 ,一般情况下 ,遗传算法可以得到比较满意的结果 ,考虑测量误差和减少观测孔个数的情况下也可以得到与“标准”值相近似的解。通过优化各个变量区间的加速遗传算法可以提高算法的收敛速度。GA在实际参数获得比较困难的情况下可成功用在区域含水层反演模拟中     

基于自适应遗传算法的张掖市自驾旅游时间优化

本文通过采集张掖市14个景点的数据,从自驾游的散客群体考虑,通过建立数学模型,利用简单遗传算法和自适应遗传算法分别求解了各景点之间的最短驾车旅行时间。结果表明,改进了交叉算子和变异算子之后,得到了更好的最优解,验证了算法的可行性。     

遗传算法在桁架结构优化设计中的应用

本文探讨了遗传算法在桁架结构优化设计中的应用,通过对经典遗传算法进行改进,建立了桁架结构的优化设计模型,其中采用精华模型保证了上一代种群中最优个体进入到当前种群中进化,而且采用非均匀变异算子,使得进化前期变异明显,后期趋于稳定,以利于收敛到最优解附近。另外针对遗传算法容易收敛到局部最优点的缺陷,提出了通过改变各变量相应初始界限值,进行两次遗传算法操作的方法进行运算,提高了工作效率,且结果更为精确。最后通过十杆平面桁架的数值例题来验证遗传算法应用的可行性和有效性。     

自适应遗传算法在排水管网优化设计中的应用

排水管网关系着人民的生活和安全,所以优化排水管网设计至关重要。文中采用可行管径对应二进制编码,管径由设计流量和充满度确定,然后计算流速和坡度。选择尽可能大的充满度经过反复计算校核保证对应的流速和坡度符合规范。概括介绍了自适应遗传算法应用在排水管网的优化中设计中,不仅节省了经费还加快搜索效率找到最优解。     

实数编码的遗传算法在流变参数反演中的应用

基于实数编码个体表示形式的优点.编制了实数编码的遗传算法程序,进行了围岩流变模型参数的反演,并与FLAC正分析相结合,模拟了围岩在施工过程中的动态变化以检测算法的可行性,结果表明,此算法能满足工程的需要.     

常时微动测试在工程场地评价中的应用与发展

结合作者主持的上海中心大厦、2010年上海世博会中国国家馆等典型工程，在对常时微动测试发展历史及现状进行综合述评的基础上，详细介绍了常时微动测试的基本原理、现场测试、信号分析等内容，论述了常时微动测试技术在工程场地评价中的应用与发展，可以为相关的工程技术人员提供参考。     

Matlab在常时微动法的数据处理中的应用

采集到的场地常时微动记录通常很难满足平稳随机过程的假设,而与采集仪器捆绑在一起的数据处理软件功能往往过于简单,无法满足复杂的数据分析要求。同时,依靠传统的计算机编程实现较为困难。Matlab 提供了一批功能强大的库函数,易于调试,不需要高深的编程技巧和数学知识,从而有效、快速地解决上述问题。     

遗传算法在岩土工程可靠度分析中的应用

基于可靠度指标的几何涵义 ,运用遗传算法原理 ,提出了计算岩土工程可靠指标和设计验算点的全局优化算法。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小值的缺点。对于功能函数的非线性和复杂性 ,避免了有时甚繁的求导数工作。通过实例证明了本文方法的有效性     

遗传算法在斜条分上限法中的应用探讨

 应用斜条分上限解法求解边坡稳定、地基极限承载力等问题时,需要借助优化手段寻求最优的上限解。由于斜条分法中增加了条间倾角作为优化自变量,导致优化变自量增加,传统的数值优化算法经常陷入局部极值的陷阱。本文以无重力地基承载力问题为例,通过基于非均匀变异的微型遗传算法求解其临界滑移模式。发现改进后的遗传算法具有较好的全局搜索能力和局部收敛能力,能使问题较好地收敛到闭合解;采用改进遗传算法与单纯形法结合或滑裂面坐标和条块界面角分开优化的方式可以得到更为精确的解答。最后用该数值方法对地基承载力公式中考虑地基土重力的经验系数进行了对比验证。     

神经网络遗传算法与混合波阻抗反演

神经网络算法可以建立属性参数与预测目标之间的高度非线性映射,遗传算法有选择适者生存的特点,神经网络算法与遗传算法构成的混合波阻抗反演具有精度更高,收敛速度更快的优势。本文简述了BP神经网络算法和遗传算法的基本原理,用理论模型比较了BP人工神经网络、遗传算法与混合波阻抗反演各自的特点,用实际地震资料检验了混合波阻抗反演的实用性。     

遗传算法在钢结构优化设计中的发展与应用

论述了遗传算法的原理及其实现步骤,分析了遗传算法的缺陷,据此提出了改进算法的建议及方法,并介绍了该算法在钢结构优化设计中的应用情况,指出该算法在实际工程结构优化设计方面的应用具有很大的发展空间。     

引入新算子采用隔代映射遗传算法对钢框架进行优化设计

通过引入新的交叉和变异算子,改进遗传算法。隔代映射遗传算法将种群分为多个子群,通过个体迁移、加强多元性及求较优解确定不同种群之间的联系。将新算子引入隔代映射遗传算法中,并采用此算法,按AISC-ASD规范规定,对钢框架进行最小重量优化设计。通过对某3跨3层钢框架和5跨22层特殊钢框架的优化设计,验证了本方法的有效性。对优化求解方法做了重要改进,减少了有限元分析计算量。     

遗传算法求解TSP的研究

遗传算法通常被认为是自适应的随机搜索算法,与传统的优化方法(枚举,启发式等)相比较,以生物进化为原型,具有很好的收敛性。文章用遗传算法求解经典的旅行商问题,最后使用实验对算法进行了测试,能够在短时间内找到理想的解。     

遗传算法在煤气管径优化中的应用研究

给出了管径优化的目标函数,然后应用遗传算法对燃气输配管网进行了管径优化,优化结果表明,遗传算法适合于管道优化这这一工程领域。     

人工神经网络与遗传算法在岩石力学中的应用

岩石力学与岩石工程问题包含极其丰富的内容，实际工程问题又不断地提出各种新的要求，致使很多问题利用传统的方法难于解决。借鉴其他相关学科的先进思想与技术来解决岩石力学研究中的难点问题，已经成为当前岩石力学研究领域的一个热门课题。计算智能中有关模型与方法的利用有助于我们更深入地研究与解决岩石力学中的某些问题。参考近年来人工神经网络与遗传算法在岩石力学应用中的某些问题，对有关课题的研究状况与进展做了介绍，对计算智能在岩石力学与岩石工程中的应用研究做了展望。     

遗传算法在边坡工程中的应用

以边坡为主要的研究对象,对边坡稳定性和遗传算法的原理进行了阐述,并建立其模型,运用Visual C语言开发了基于遗传算法的边坡优化程序,并运用程序对两种边坡破坏类型（圆弧破坏和楔形破坏）进行工程实例分析,应用遗传算法对建立边坡模型的惟一性进行了初步的探讨。