公路衡重式挡土墙优化设计论文

《公路衡重式挡土墙优化设计论文》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、今年，共有19所高校部分外国语专业可单独招生，这些单招的试点院校将按有关规定自行组织命题和单独考试，在全国统考前提前录取公路衡重式挡土墙优化设计论文　　1优化设计方法的必要性小语种自主招生的对象主要是外语教学质量较高的普通高中应届毕业生，考生被录取后，不得再报考其他高校，新生入学后也不得转入其他专业。今年，共有19所高校部分外国语专业可单独招生，这些单招的试点院校将按有关规定自行组织命题和单独考试，在全国统考前提前录取　　然而现在对于衡重式挡土墙的设计方法主要是:工程设计师根据自己的设计经验，同时参照已经建成的衡重式挡土墙来确定墙型

2、的选择和断面的尺寸，再进行验算，看是否符合自己的实际设计。但是由于施工的地区各异，施工的真实情况就千差万别，根据已建成的衡重式挡土墙来和实际套用一般很难达到匹配，这就需要在工程实际设计时，对已建成挡土墙数据进行增减变化，因为地基的不同，软土类等特殊地基，还要根据承载力的大小做出符合要求的调整。以上的这种方法计算十分繁琐，手工计算的难度很大，使得最后的调整几乎是形同虚设，只能加大工程的投入来处理。这样套用已建成图集的做法，对设计只是一个大概框架，没有设计必要的各项数据，加上认识的不足，最后整个工程都因为这些人为因素导致投入巨大。因为缺

3、乏准确的设计数据，衡重式挡土墙在工程建设时往往会出现这样或那样的问题，比如地基的承载力不足造成的墙体下沉开裂等;断面的尺寸不准确造成的墙体平衡失效，倾覆事故;所有材料不符合规格造成的墙体缺乏抗压、抗剪的强度;处理不当墙体后排水造成地基浸水、承载力下降。认识到衡重式挡土墙建设施工设计的大量财力的损耗和安全事故多发，很多专家也展开研究，设计出多种计算机语言来辅助衡重式挡土墙的设计，比如:Fortran，Basic等，但这些语言基本都停留在计算土压力的单项项目上，以及利用复合形法和共轭梯度法等对重力式挡土墙的计算。针对这些局部优化的不足，

4、美国率先提出了遗传算法的概念，实现由局部到全局的转变，通过群体搜索技术、自然选择和进化机制的运用，逐步实现计算全局的最优解。　　2优化设计的遗传算法　　2．1遗传算法应用广泛　　遗传算法在计算求解问题的时候，具有一定的智能性，即算法可在进化的过程中对获取信息组织自行搜索，个体适应度大的通过遗传操作进化出适应性更强的后代，使得算法能根据问题本身寻求最优解。在本质上具有一定的并行性，即遗传算法内在的并行性和内含的并行性。算法本身能够就某一问题在分布式系统中各自独立验算，得出不同结果后再通过通信的比较，取得最佳个体。在种群搜索中，可以同时

5、对空间内多个区域检索交互信息，在执行比例运算时进行多倍次搜索，减少运算。算法本身并不复杂，对于已经给定的问题，遗传算法可以计算出多个潜在解，由使用者最终确定用哪个，设计上不需要其他辅助的知识，主要是建立搜索方向上的目标函数，以及响应适应度函数，同时强调的是概率的转换规则，应用更加直接。　　2．2简单算法存在不足小语种自主招生的对象主要是外语教学质量较高的普通高中应届毕业生，考生被录取后，不得再报考其他高校，新生入学后也不得转入其他专业。今年，共有19所高校部分外国语专业可单独招生，这些单招的试点院校将按有关规定自行组织命题和单独考试

6、，在全国统考前提前录取　　简单的遗传算法在公路衡重式挡土墙设计上广泛应用，因其简便的操作和优于手工的准确性，但整个算法本身也存在亟待解决的问题:编码效率较低，在采取二进制较长的编码计算时搜索效率较低，二进制串转换为十进制数也多有不便;求解问题时不一定得到最优解，简单算法在运行时个体性在群体中逐渐失去，误导算法收敛为一个最优解，到验算的后期，群体的平均值更接近于最优解，没有了竞争，就难以改善搜索目标;在简单算法中选取控制参数目前还无迹可寻，只能通过大量的实验模拟来确定;搜索的效率不高，算法在本质上来说还是随机性的一种优化方法，它的内在

7、学习性帮助其搜索效率高于传统的方法，可是与传统数值优化的方法相比，其局部的搜索能力还是有很大提高空间的。基于遗传算法在公路衡重式挡土墙优化设计方面的应用广泛，为工程建设提供了大量的数据支持，在简单算法的基础上加以改进，将本身的特点和问题知识为基础的启发式搜索结合，再加之传统数值优化的技术，组成混合遗传算法。解决了简单遗传算法局部的搜索能力较弱的问题，进一步为收敛速度的提高和解的品质打下基础。　　2．3算法优化设计小语种自主招生的对象主要是外语教学质量较高的普通高中应届毕业生，考生被录取后，不得再报考其他高校，新生入学后也不得转入其他

8、专业。今年，共有19所高校部分外国语专业可单独招生，这些单招的试点院校将按有关规定自行组织命题和单独考试，在全国统考前提前录取　　混合遗传算法改进了编码。遗传算法不能直接对问题空间参数进行处理，而是需要把参数转变为遗传空间里按结构排列