改进的模拟退火算法在搜索边坡最危险滑裂面中的应用

本文首先对模拟退火算法进行改进，将遗传算法的群体、交叉、变异等概念引入其中，使得它能从多个初始点开始并行寻优，能以较快的速度找到全局最优解。然后基于有限元应力场，应用改进的模拟退火算法建立边坡任意形状最危险滑裂面及相应最小安全系数的全局优化搜索方法。通过典型算例分析，证明应用改进的模拟退火算法搜索边坡最危险滑动面是可行和高效的。     

小生境与遗传模拟退火耦合算法在岩质边坡滑动面搜索中的应用

将小生境思想与遗传模拟退火算法相结合,应用于岩质边坡滑动面的搜索中。在实现了边坡结构面模拟的基础上,小生境与遗传模拟退火耦合算法可以顺利搜索出边坡由结构面与岩桥组合形成的潜在最危险滑动面。与其他智能优化搜索算法相比,该耦合算法具有收敛速度快、可找到搜索函数所有全局最优解、参数依赖性小等优点。工程应用实例表明该耦合算法在岩质边坡滑动面搜索中能取得令人满意的结果。     

和声退火算法及其在土坡稳定分析中的应用

借鉴和声搜索算法中新解产生的方式来实现模拟退火算法中的扰动过程,把和声库中的最坏解视为模拟退火算法的初始最优解,形成的和声退火算法具有较强的全局搜索能力;用修复策略替换惩罚策略,修复搜索过程中可能出现的不合理滑动面,可以更有效地搜索解空间。均质土坡和非均质边坡最小安全系数实例计算结果表明,和声退火算法取得了较基本和声搜索算法及模拟退火算法均好的结果,可以用于土坡稳定分析计算。     

基于遗传模拟退火算法的边坡稳定分析

利用遗传模拟退火算法结合瑞典圆弧法,寻找最危险边坡进行稳定分析。该方法模拟了生物遗传进化和金属退火的过程,克服传统方法容易陷入局部极小值的缺点,是一种全局优化算法。通过实例计算,说明结果的合理性。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题,其实质为安全系数最小滑动路径的搜索问题,本文对采用路径搜索的蚁群算法引入奖惩策略,加大较优路径和普通路径上信息素的差异,分化各条路径上的信息素,以克服其收敛速度慢、早熟收敛的缺点。通过把边坡滑动面搜索模型离散化,采用奖惩蚁群算法解决滑动面搜索问题,提出了一种临界滑动面搜索的新方法。最后对一个简单边坡和复杂边坡的典型算例及一个大坝边坡工程的应用实例进行了计算,验证了新算法的有效性及其高效性。结果表明,无论是对简单边坡还是复杂边坡,本文算法都能以更快的速度搜索到结果更好的临界滑动面,工程应用效果良好。     

边坡临界滑动面搜索的奖惩蚁群算法研究

边坡滑动面搜索是边坡稳定计算中一项关键的问题，其实质为安全系数最小的滑动路径的搜索问题，采用路径搜索算法蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点，通过引入奖惩策略，加快较优路径和普通路径上信息素的差异，分化各条路径上的信息素，从而提出了一种奖惩蚁群算法。通过把边坡滑动面搜索问题的离散模型化，采用奖惩蚁群算法解决滑动面搜索问题，提出了一种临界滑动面搜索的新方法。通过一个简单边坡和复杂边坡的典型算例计算及一个大坝边坡的工程的应用实例应用，验证了新滑动面搜索算法的有效性及其高效性。结果表明，无论是对简单边坡还是复杂边坡，本文算法都可以能以更快的速度搜索得到效果更好的临界滑动面，且工程应用效果良好。     

基于模拟退火的重力坝最危险滑动面全局搜索

为了弄清地震荷载作用下重力坝坝头部位的失稳规律,采用有限元非线性时程分析方法,得到重力坝在地震作用过程中的应力场,进而应用模拟退火算法进行重力坝临界滑动面的全局搜索。该方法可以在所有增量步的应力场中搜索出坝头区域的最脆弱滑动面,并得到与之对应的抗滑稳定系数及出现时刻。分析结果表明,重力坝在地震荷载作用下更容易向上游方向失稳。在一条特定的地震波作用下,即使调整了其幅值,坝头部位最危险软弱滑动面出现的时刻几乎仍是相同的,且同一时刻下滑动面形式非常相近。     

引入退火机制的复合形法在边坡最小安全系数搜索中的应用

针对基本复合形法在搜索复杂边坡最小安全系数的过程中可能会陷入局部极小值的问题，在其寻优过程中第一次出现关于最坏点映射失败时，将最坏点作为模拟退火算法的初始寻优点进行一次模拟退火搜索，用寻找到的最优值替换当前复形中的最坏点，构成新的复形继续进行基本复合形法的寻优至结束，从而形成一种新的、更加优异的优化算法。通过对算例的复杂边坡最小安全系数的搜索表明，这种引入退火机制的复合形法是一种全局搜索能力很强的算法。     

基于FOA法搜索危险滑动面的三维极限平衡分析

针对三维极限平衡法分析边坡稳定时不能搜索最危险滑动面的问题,以索风营水电站Dr2危岩体加固工程为研究对象,采用果蝇优化算法搜索危岩体的滑动面,采用改进的三维极限平衡法对危岩体进行抗震稳定计算,提出基于果蝇优化算法的危岩体危险滑动面搜索方法,并分析了危岩体各种加固措施对稳定的贡献度。结果表明:加固后的危岩体在地震工况下可以维持稳定,其中泥岩灌浆对稳定的贡献最大,顶部锚索贡献最小。该方法弥补了传统极限平衡法无法所搜滑动面的缺陷,提高了边坡失稳的预测精度,可为类似工程提供一定的参考。     

基于遗传算法的土质边坡稳定性分析

以瑞典条分法作为边坡稳定分析模型,模仿生物进化过程,采用遗传算法,以滑弧圆心坐标和半径为搜索变量对模型进行优化,得到一种在全局范围内搜索出边坡最危险滑动面,并能克服局部收敛,计算出最小安全系数的边坡稳定性分析评价方法。最后通过工程实例验证了该方法的合理性和可靠性,计算结果令人满意。可为同类工程借鉴。     

改进差分进化算法在水库优化调度中的应用研究

差分进化算法在求解水库优化调度时,进化后期种群多样性急剧下降,导致算法无法跳出局部最优解而出现“早熟”收敛。针对该问题,该文对算法的贪婪选择策略进行改进,使其以一定的概率动态接受稍差解作为子代个体,从而提高算法的种群多样性;同时,提出种群基因重生策略,进一步改善种群进化的基因信息结构。将改进的差分进化算法应用于清江梯级发电调度问题,并与差分进化算法、模拟退火算法求解结果进行对比。模拟结果表明,改进算法具有更强的全局搜索能力,求解梯级水库优化调度问题更具有优势。     

A NEW GENETIC SIMULATED ANNEALING ALGORITHM FOR FLOOD ROUTING MODEL

In this paper, a new approach, the Genetic Simulated Annealing (GSA), was proposed for optimizing the parameters in the Muskingum routing model. By integrating the simulated annealing method into the genetic algorithm, the hybrid method could avoid some troubles of traditional meth ods, such as arduous trial and error procedure, premature convergence in genetic algorithm and search blindness in simulated annealing. The principle and implementing procedure of this algorithm were described. Numerical experiments show that the GSA can adjust the optimization population, prevent premature convergence and seek the global optimal result. Applications to the Nanyunhe River and Qingjiang River show that the proposed approach is of higher forecast accuracy and practicability.     

基于单纯形-模拟退火算法的多阻尼控制器协调设计

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法。该方法以弱阻尼振荡模式构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合了模拟退火算法全局搜索能力强及单纯形算法局部收敛速度快的优点。四机典型系统上的特征根分析表明,该方法是一种有效的阻尼控制器优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性。     

An Improved Genetic Algorithm-Simulated Annealing Hybrid Algorithm for the Optimization of Multiple Reservoirs

A hybrid evolutionary search algorithm is developed to optimize the classical single-criterion operation of multi-reservoir systems. The proposed improved genetic algorithm-simulated annealing (IGA-SA) which combines genetic algorithms (GAs) and the simulated annealing (SA) is a new global optimization algorithm. The algorithm is capable of overcoming the premature convergence of GAs and escaping from local optimal solutions. In addition, it is faster than a traditional unimproved GA-SA algorithm. A case study of optimization operation on generation electricity of a 3-reservoir system in series over 41-year (from May 1940 to April 1981) time periods in Wujiang River, one branch of Yangtze River in China, was performed. The objective is to maximize generation output from the system over each 12-month operating periods. Trade-off analyses on binary coding representation and real-value coding representation of GAs are performed. Sensitivity to some parameters of the GA, the SA and the IGA-SA is analyzed, respectively, and the appropriate values of parameters are suggested. The performance of the proposed algorithm is compared with that of the existing genetic algorithm, the simulated annealing and the dynamic programming (DP). Results demonstrate that the GA is better than the DP, the SA performs better than the GA and the IGA-SA is more efficient than SA. The IGA-SA produces higher quality solutions and costs less computation time compared with the traditional GA-SA. The results obtained from these applications have proved that the IGA-SA has the ability of addressing large and complex problems and is a new promising search algorithm for multi-reservoir optimization problems.     

混合智能算法及其在供水水库群优化调度中的应用

将遗传算法中的进化思想和蚁群算法中的群体智能技术有效地耦合,提出了一种基于两者的混合智能算法,应用于供水水库群系统的优化调度研究中。算法利用蚁群算法的并行性、正反馈性以及良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的进化思想,利用杂交、变异算子来进行局部寻优,使其能快速搜索到全局最优点。在种群随机搜索过程中嵌入确定性的模式搜索,使得算法同时具有随机性和确定性。结合模拟退火思想,构造了罚因子处理约束条件,使该算法对水库优化调度问题以及其他优化问题具有一定的通用性。通过实例验证,并与大系统聚合分解经典算法进行比较,结果表明该算法是可行的和有效的。     

Optimal Operation of Reservoir Systems using Simulated Annealing

A stochastic search technique, simulated annealing (SA), is used to optimize the operation of multiple reservoirs. Seminal application of annealing technique in general to multi-period, multiple-reservoir systems, along with problem representation and selection of different parameter values used in the annealing algorithm for specific cases is discussed. The search technique is improved with the help of heuristic rules, problem-specific information and concepts from the field of evolutionary algorithms. The technique is tested for application to a benchmark problem of four-reservoir system previously solved using a linear programming formulation and its ability to replicate the global optimum solution is examined. The technique is also applied to a system of four hydropower generating reservoirs in Manitoba, Canada, to derive optimal operating rules. A limited version of this problem is solved using a mixed integer nonlinear programming and results are compared with those obtained using SA. A better objective function value is obtained using simulated annealing than the value from a mixed integer non-linear programming model developed for the same problem. Results obtained from these applications suggest that simulated annealing can be used for obtaining near-optimal solutions for multi-period reservoir operation problems that are computationally intractable.     

自适应混沌差分进化算法在梯级水库优化调度中的应用

介绍了一种基于自适应混沌映射的差分进化算法,该算法采用混沌映射的方式产生初始种群,并综合考虑算法迭代进度和个体进化程度两个因素,对缩放因子进行动态调整以促进算法全局搜索和局部寻优的平衡。同时,在算法进化的不同阶段采取不同尺度的扰动策略,进一步提高算法的再搜索能力。将该算法应用于某梯级水库发电调度的研究中,通过实例计算,并与基本差分进化算法、模拟退火算法相比,得到了更优的全局最优解,验证了该算法的可靠性和实用性。     

改进遗传算法及其在水库群优化调度中的应用

根据梯级水电站优化调度特点,建立遗传算法(GA)求解多阶段最优化问题的数学模型.针对标准遗传算法(sGA)局部寻优能力较差、易早熟等不足之处,从编码方法、遗传算子和混合算法方面对其进行改进,提出了采用超立方体浮点数编码自适应遗传算法(AGA)和超立方体浮点数编码遗传模拟退火算法(SA-GA).通过16种不同策略的GA在雅砻江梯级优化调度中的应用,其结果表明了改进策略在解决水库群优化问题方面的有效性和优越性.最后将GA与动态规划(DP)算法的性能进行比较分析,充分体现了GA的优点.     

MULTI-OBJECTIVE OPTIMIZATION DESIGN FOR TRANSONIC TURBINE CASCADES USING SIMULATED ANNEALING ALGORITHM

1.mTRonUCmNKirkpatricketal(1982)Pointedoutthatthereexistsananalogybetweencombinatorialoptimizationproblemandsolidannealingprocess-Inthelightofthisanalogy,Metropolisetalmedelledtheprocessthatsolidapprochesthermalequilibrium,andworkedouttheMetroPoliscriterionintheoptimizationprocess.Subsequently,theydevelopedakindofiter-ativeandcombinatorialoptimizationalgorithm,whichiscalledthesimulatedannealingalgo-rithm(SAA).SAAisasearchalgorithmbasedontheMonte-Carlomethedusedinstatisticalmechan-icsofan…     

基于模拟退火遗传算法的自压树状管网优化

将遗传算法全局优化和模拟退火的良好局部搜索能力有机结合,构造出一种退火遗传算法用于自压树状管网的优化设计方法。假定管网中每一管段最多只能由两种管径的管道组成,建立了以管网造价为目标函数,以管长、标准管径为决策变量的自压树状管网优化数学模型。采用基于不可行度的退火算法处理约束条件,应用遗传算法进行优化计算。仿真实例结果表明,该模型与算法在求解自压树状管网优化问题上,具有良好的优化性能和求解效率。