基于改进粒子群算法的岩土工程参数反演

《基于改进粒子群算法的岩土工程参数反演》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第!"卷增刊第#期水利水电科技进展!$$"年"月%&’(!")*++’,-,./0&(#1234.5,67.)57,.5,4.28,59.&’&:;&<=4/,>?,6&*>5,61*:(!$$"!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!基于改进粒子群算法的岩土工程参数反演陈秀铜#，李璐!（#(二滩水电开发有限责任公司，四川成都B#$$!#；!(西南石油大学建筑工程学院，四川成都B#$H$$）摘要：把粒子群算法引入岩土工程参数反演领域，并对基本粒子群算法进行改进，改进的算法（I)%D

2、J)K算法）在粒子飞速移动中动态地调整粒子运行的速度极限及惯性权重，压缩搜索空间，从而克服了基本粒子群算法搜索精度不高、易陷入局部最优的缺点。算例表明，与JK)算法相比，I)%DJ)K算法的结果精度提高约#倍，耗时缩短L$M，说明I)%DJ)K算法是一种新颖可行的参数反演方法。关键词：粒子群优化算法；全局优化算法；参数反演；岩土工程中图分类号：8NLH；K!L#文献标识码：1文章编号：#$$B!ABL（A!$$"）)#!$$H!!$!在岩土工程问题中，计算参数的不确定性一直故被称为压缩搜索空间与速度范围的粒子群优化方是困扰岩土工程数值分析的问题之一，实验室测试法（I

3、)%DJ)K）。和现场试验是解决这一问题的一种有效方法，但仍!粒子群算法的改进具有局限性。利用与待定参数有关的观测资料和反演理论，对参数进行反演，已越来越受到人们的重!(!基本粒子群算法视［#］。目前，在岩土工程中，参数反演的方法常采用粒子群算法是受人工生命研究成果的启发而提直接法，该方法是把参数反演问题转化为一个目标出的，其基本概念源于对鸟群捕食行为的研究。在函数的寻优问题。最优化方法是进行参数反演的有J)K中，鸟被抽象为没有质量和体积的微粒（点），并力工具，而由于岩土工程的复杂性及传统优化方法将其延伸到!维空间，其"在!维空间里的位置表本身的不足，使得应用传统优

4、化算法进行参数反演示为矢量!"R（#"#，#"!，⋯，#"!），飞行速度表示为计算时难以得到满意的解答。一些学者将人工神经矢量""R（$"#，$"!，⋯，$"!），且假定鸟群只知道目网络技术、遗传算法等智能优化算法应用于岩土工前位置与食物（目标）的距离（适应度），不知道目标程中进行参数反演计算，取得了较好的结果［!O］。的具体方位，鸟群在捕食的过程中根据自己的飞行粒子群优化算法（+4>/75’,6P4>-&+/7-7Q4/7&.，历程和群体之间信息的传递不断地调整捕捉食物的J)K）是一种模拟群体智能行为的适合于复杂系统方向和速度。因此，J)K的搜索过程主要是依靠粒优

5、化计算的自适应概率优化技术。J)K作为一种高子间的相互作用和相互影响完成的。粒子"位置与效并行优化方法，不依赖于所求问题的具体领域，而速度的更新公式如下：是直接以决策变量的编码作为运算对象，以适应度$"%&’$"%()#*（#+"%,#"%）()!*（!+-%,#"%）函数值为搜索目标，且同时可以使用多个搜索点的（#）信息，适用于求解一些非线性、不可微、多目标的复#"%&#"%($"%（!）杂优化问题，因其原理简单、易编程实现、需调整参式中：’为惯性权重；)#和)!为非负常数的学习因数少，已应用于多个科学和工程领域［L!H］。本文将粒子；*#和*!为介于［$，#］之

6、间的随机数；%R#，!，⋯，子群算法引入岩土工程参数反演领域，并针对J)K!。矢量#"R（+"#，+"!，⋯，+"!）和#-R（+-#，+-!，搜索精度不高、易陷入局部最优的缺点，对JK)算⋯，+-!）分别为第"个粒子迄今为止搜索到的最优法进行了改进，改进的算法在粒子飞行中动态地调位置和整个粒子群迄今为止搜索到的最优位置。每整粒子飞行的速度极限及惯性权重，压缩搜索空间，个粒子在!维空间的位置!"就是其在问题空间中作者简介：陈秀铜（#@AB—），男，湖北利川人，工程师，博士研究生，从事水电工程建设管理与科研工作。CD-47’：59,.EF7*/&.:G9&/-47’(

7、5&-·H!·水利水电科技进展，!$$"，!（")#）./0：$!H!"OA"BOOH1234"0：56G7789/%89):7;;<：==>>?97789/%89):的一个潜在解。将其代入目标函数就可计算出其适具体的反分析过程如下：!初始化$"%&!"#模应值，根据粒子适应值的大小来衡量!!的优劣。型参数，初始化粒子群。"根据当前位置和速度产以上为基本的!"#算法，其操作简单、使用方生各个粒子的新位置。#计算每个粒子的新位置和便，但搜索精度不高，易陷入局部最优点。适应值；对各个粒子，若粒子的适应值优于原来的个!""改进的粒子群算法体极值，则设置当前适应值为个体