加速遗传算法在边坡稳定分析中的应用论文

加速遗传算法在边坡稳定分析中的应用论文

ID:10708912

大小:56.50 KB

页数:4页

时间:2018-07-07

加速遗传算法在边坡稳定分析中的应用论文_第1页
加速遗传算法在边坡稳定分析中的应用论文_第2页
加速遗传算法在边坡稳定分析中的应用论文_第3页
加速遗传算法在边坡稳定分析中的应用论文_第4页
资源描述:

《加速遗传算法在边坡稳定分析中的应用论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、加速遗传算法在边坡稳定分析中的应用论文摘要:基于圆弧滑动面的假定和遗传算法的思想,提出了用加速遗传算法(AGA)搜索边坡最危险滑动面及其对应的最小安全系数的方法。该方法是一种模拟生物遗传进化过程的算法,它克服了传统优化方法容易陷入局部极值点和误差传递导致不收敛的缺点,具有较高的计算精度,适用性强,搜索的最优解更具有全局性。通过一河堤工程实例对其进行了验证。关键词:边坡稳定性加速遗传算法危险滑动面最小安全系数边坡稳定性评价是岩土、水利和交通工程中的常见问题,它涉及矿山工程、岩土工程、水利水电工程、铁道工程、公路工程等诸多

2、工程领域,能否正确评价其稳定性直接关系到建设的资金投入和人民的生命财产安全。边坡稳定性分析方法很多.freel,简称GA)是模拟自然界生物进化过程提出的一种自适应随机性优化搜索算法3。该算法首先随机产生种群,并用合理的评价函数对种群进行评估,在此基础上进行选择、交叉及变异等遗传操作,进行具有导向性的随机搜索,直至得到最优解。基本遗传算法求解步骤主要包括:首先随机生成最优化问题的N个可行解,并对解进行编码,我们称这N个解为父代,每个解为一个个体,解的编码为染色体,组成编码的元素为基因。然后确定适当的评价函数,每个染色体的

3、评价函数值的大小决定了其按照某个概率被选择产生后代的机会的大小。第三是染色体的结合,根据适当的概率,选择的父代进行两两配对,通过编码间的交叉产生新的个体。最后是变异,按适当的概率,使新一代的某些基因发生变化。变异操作使解具有更大的遍历性,有利于收敛到全局最优点。基本遗传算法对各种实际问题的搜索空间的大小变化适应能力较差,计算量大,容易出现早熟现象。金菊良4利用基本遗传算法运行过程中搜索到的最优个体逐步调整优化变量的搜索区间,形成一种改进的遗传算法,称为加速遗传算法(AcceleratingGeicAlgorithm,简

4、称AGA)。2.2用AGA确定边坡最危险滑动面确定边坡最危险滑动面的优化模型如式(3)所示,用AGA求解的基本步骤如下:(1)初始群体的确定及编码本文采用浮点向量编码,每个遗传染色体为,根据给定的xO、yO和xA的初始变化区间,随机地生成N个染色体,由此得到初始群体,(i=1,2,…,N),这里取种群规模N=300。(2)评价与选择以目标函数的值Fs1、Fs2、…、FsN从小到大(即染色体由好到坏)进行排序,由此定义如下基于序号的评价函数(4)这里,本文取a=0。采用轮盘赌的方法,每次旋转均从初始群体中选择一个染色体,

5、旋转赌轮N次可得到N个复制染色体。这样就得到了两组各N个个体的父代种群。(3)交叉操作取交叉概率Pc为0.9,对前面的到的两组父代染色体随机两两配对,组成对双亲进行交叉操作。设第i对双亲为与,交叉后产生的两个新染色体为X和Y,则(5)其中,c为开区间(0,1)中的一个随机数。(4)变异操作取变异概率Pm为0.1,依据此概率,从父代中随机挑选个染色体进行变异操作。设需进行变异的染色体为V,则变异后产生的新染色体X为(6)其中,d为一随机选择的变异方向;M为给定的一大数。如由式(6)得到的X不可行,则将M置为0,M之间的一

6、随机数,重新用式(6)计算直至X可行为止。(5)进化迭代将由前面的到的N个个体作为新的父代,转入步骤(2),进入下一次进化过程。(6)加速循环每迭代两次,取进化得到的s个优秀个体的变化空间作为新的初始变化区间,转入步骤(1),重新开始迭代过程。这里取s=20。(7)收敛标准采用的收敛标准为连续两代计算结果满足。同时以最大加速遗传代数小于25代为辅助判断。3算例某河堤边坡各特征点坐标及地质剖面如图2所示,各土层地质参数见表1。表1土层计算参数层次土类容重(kN/m3)粘聚力(kPa)内摩擦角()I粉土19.81.030I

7、I淤泥质粘土18.510.50III粉土19.68.032.5IV素填土19.20.035.0用AGA对该边坡进行稳定分析,结果见表2。表中同时还给出了用0.618法分析的结果。可以看出,0.618法计算出的最小安全系数比AGA得出的要大,即0.618法搜索过程容易陷入局部极小点,而AGA方法有更强的搜索全局最优解的能力,能更准确评价边坡的稳定性。表2计算结果与比较Fs计算方法AGA算法0.618优选法圆心坐标(m)半径(m)Fs圆心坐标(m)半径(m)FsxyRxyR瑞典法35.048.728.701.16434.6

8、410.8110.721.243简化毕肖普法35.2013.0413.141.52234.8811.4411.341.5474结语本文建立了边坡稳定分析的优化模型,并给出了加速遗传算法(AGA)求解的具体算法。通过某河堤工程实例将AGA方法与0.618法进行比较,说明AGA方法对实际问题的搜索空间的大小变化适应能力、计算速度对全局

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。