遗传进化方法在岩土工程中的应用现状与展望

介绍了遗传进化算法在岩土工程中的应用情况，并对其发展方向进行了展望，今后的遗传算法在岩土工程中应用的发展方向计算理论要突破简单遗传算法（SGA）。程序编制也应走上通用化，独立化之路，遗传进化算法在岩土工程中还有广阔的应用前景，这有待进一步努力探求。     

基于GA-SVM的土力学参数与标准贯入击数反演

由于地质条件的多样性和复杂性,岩土力学参数的获取耗时耗力且过程十分困难,而岩土力学参数对于岩土结构分析、建筑抗震结构测评起着至关重要的作用。该文基于昆明地区大量土工试验及岩土工程勘察报告提取4类岩土类型,并从中提取4个特征向量输入SVM分类器进行训练,建立起土体力学参数与标准贯入击数之间的映射关系。提出一种基于遗传算法优化SVM分类器的方法,应用于岩土力学参数与标准贯入击数之间的反演,并与粒子群算法(PSO)优化SVM分类器的实验结果进行对比。结果表明,基于GA-SVM的方法在岩土工程参数反演中速度很快,并具有较强的实用性和泛化能力。     

浅谈岩土工程勘察的几点认识

岩土工程勘察是工程建设中不可缺少的一个重要组成部分。本文归纳了岩土工程勘察的常用方法，介绍了岩土工程勘察的类别与基本要求，重点介绍了房屋建筑和构筑物勘察与边坡工程勘察，并分析和探讨了岩土工程勘察中存在的问题，提出了一些改进建议。     

自适应遗传算法在某拱坝渗流参数反演中的应用

利用水头实测资料,以渗透系数为待反演参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值及计算量较大、易早熟等缺点,提出以自适应遗传算法来解决工程中的这类反演问题;为力求使改进的遗传算法计算量更小,收敛性更强,同时结合二维稳定渗流有限元工程实例进行了反演计算.结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题.     

基于分布式并行遗传算法的相对波阻抗反演方法

目的研究地震相对波阻抗反演的优化方法。方法比较遗传算法二进制编码、实数编码在最优个体保存策略、随机均匀分布选择、分散交叉、高斯变异和分布式并行方案下的全局寻优能力。结果实数编码分布式并行遗传算法优于基本遗传算法,用该方法对数值模型和实际地震剖面进行波阻抗参数反演,验证了分布式并行遗传算法的有效性、优越性。结论基于分布式并行遗传算法的相对波阻抗反演,为遗传算法在地震属性的优化研究中提供了一种改进思路。     

岩土材料强度准则在工程申的应用

介绍了岩土材料的变形特点和变形模型，阐述了M-c和D-P两种强度准则在岩土工程领域有效的计算方法，讨论了这两种强度准则在实际工程中的应用。     

改进的自适应遗传算法及其工程应用

引进小生境技术、种群迁移以及增加杂交个体之间的海明距离对自适应遗传算法进行了改进,从而建立了改进的自适应遗传算法,改善了传统的遗传算法局部收敛和早熟的现象,大大加快了全局搜索的速度以及搜索全局最优解的概率.工程实例表明:提出的改进自适应遗传算法应用于岩土工程的位移反分析具有搜索速度快、精度高等优点;同时对初始种群的形成方式、种群规模以及最大杂交概率、最大变异概率进行了参数分析.     

岩土力学反分析的智能反演方法

通过对岩土力学反分析的数学描述法的介绍；揭示了岩土力学反分析的本质，重点介绍了反分析各类智能反演方法的原理、特点及其研究现状。     

浅谈工程物探技术在岩土工程中的应用及前景

随着工程物探技术的发展,其在岩土工程中的应用越来越广泛,对于很多岩土工程问题的解决发挥了重要的作用,具有十分广阔的应用前景。文章对几种工程物探技术的在岩土工程中的应用进行了介绍,并对其前景进行了探讨。     

基于多输出支持向量机和遗传算法的岩土参数反演方法

提出了基于多输出支持向量机(M-SVM)和遗传算法(GA)的岩土参数反演方法.在进行参数反演过程中,根据正交试验产生一系列参数的可能组合;采用有限元法(FEM)得到坝体不同测点处的位移计算值.将不同的材料参数组合作为输入,相应的位移计算值作为模型的输出来训练M-SVM模型,以便模拟坝体位移和材料参数之间的复杂关系.采用GA来求解材料参数反演所对应的优化问题.在进行最优材料参数搜索的过程中,采用训练好的M-SVM模型来替代有限元计算,以获得坝体位移的计算值,从而大大减少了计算所需的时间.根据某面板堆石坝沉降的监测数据和有限元仿真模型,实现了以上反演过程.反演分析的结果表明,本文提出的岩土参数反演方法具有计算精度高和计算效率高等优点,可以应用于实际工程中.     

基于遗传算法的多关节焊接机器人轨迹规划

在给定的多关节焊接机器人焊接点中插入点，对这些点的坐标统一进行十进制编码，应用遗传算法进行轨迹规划，寻找三维空间下的最优轨迹。通过仿真，验证了该算法的可行性。与传统的优化方法相比，具有较强的鲁棒性。     

TTCAN网络的响应分析及系统矩阵的优化

分析了时间触发CAN(TTCAN)网络的时间响应能力,并且引入了遗传算法对网络中的时间调度表进行优化,同时针对问题的特殊性,对所引入遗传算法作了进一步改进,以取得更好的性能,最后利用汽车工业的SAB标准报文子集对优化方法进行了验证,实验表明,本方法可以有效地减少网络中的抖动问题,取得了满意的效果。     

遗传算法及其在桁架优化设计中的应用

阐述了遗传算法的特点和实现方法。针对遗传算法在优化进程中易陷入局部最优解的弱点，采用保护优良个体和改变参数设置的措施，通过桁架优化设计的例子加以证明。使遗传算法的搜索速度和能获得全局最优解的可靠性有所提高。     

LHS抽样遗传算法

文献研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是：导向以高适应度模式为祖先的＂家族＂方向。以此结论为基础,利用拉丁超立方体抽样（LHS）的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。     

基于遗传退火算法的解相关多用户检测器

多用户检测技术是第三代移动通信系统码分多址(CDMA)中的一项关键技术。在多用户检测中求解最佳矢量问题可以转化为在遗传算法中求解具有最高适应度函数的问题。文章提出了一种基于遗传退火算法的解相关多用户检测,该算法将模拟退火(SA)引进到遗传算法(GA)中,通过退火来减轻遗传算法的选择压力,利用退火法的爬山性能,改善了遗传算法的性能。仿真表明,该多用户检测器在抗多址干扰以及抗远近效应的能力方面均优于解相关检测器。     

改进麻雀搜索算法优化支持向量机的井漏预测

在钻井过程中,受地质环境,钻井技术等多种因素的影响,容易发生井漏事故。为预防井漏事故,减少因钻井事故带来的损失,本文提出了一种改进麻雀搜索算法（ISSA）优化支持向量机的井漏预测方法。首先,在发现者位置更新公式中引入了一种改进的自适应非线性惯性递减权重,提高算法全局搜索能力; 其次,在警戒者位置更新公式中引入莱维（Levy）飞行策略,减少算法陷入局部最优的风险。为验证改进算法的寻优能力,将麻雀搜索算法（SSA）、遗传算法（GA）、灰狼算法（GWO）以及改进的麻雀搜索算法（ISSA）在8个基准测试函数上做了对比实验。实验结果表明,改进的麻雀搜索算法（ISSA）在寻优精度,稳定性等方面都较其它算法更为优异。最后,将改进的麻雀搜索算法用于优化支持向量机（ISSA-SVM）的惩罚参数 和核参数 ,进行井漏事故的预测。结果表明,ISSA-SVM预测准确率为97.7654 ,相比于麻雀算法（SSA）-SVM、遗传算法（GA）-SVM以及灰狼算法（GWO）-SVM预测准确率都高,且收敛速度快,迭代次数少,能够高效、快速预测井漏事故,提高钻井效率和可靠性。     

遗传算法解TSP问题的并行实现

遗传算法是一种概率搜索算法,其本身固有并行性。目前,人们正不断地致力于把遗传算法应用于各种并行机器上。在基于工作站机群技术上,构架了一种粗粒度并行遗传算法,并在MPI并行环境下,用4台PC机测试了一个解决TSP问题的粗粒度并行遗传算法。该并行遗传算法可以更好的保护优秀个体从而提高遗传算法的收敛性。     

遗传算法模糊神经网络在列车驾驶中的应用

大城市交通问题迫切需要高效率的交通系统,这就要求在交通系统的控制中引入智能控制技术。本文介绍了模糊神经网络与遗传算法的特点, 分析了他们之间相互结合的可能性,并提出了基于遗传算法的模糊神经网络控制算法。该算法使模糊神经网络和遗传算法的优点很好地结合起来。本文还介绍了列车自动驾驶系统的概况,并将新算法用于此系统中。     

遗传算法在一类最优化问题中的应用

应用一种基于自然选择和生物遗传机理的全局搜索学习算法──遗传算法的思想和方法,解决最优决策中一类仅含权值约束的最优化问题．采用十进制编码,给出了具体的求解步骤和编码方法．