土质边坡非圆弧滑动面的遗传进化模拟

在对边坡的稳定性进行分析评价时,传统分析方法引入了滑裂面为圆弧型的假设;也有学者将滑裂面假定为对数螺旋线型等其它函数形式。由于边坡实际情况的千差万别,这些假定只能适合于部分特殊的边坡。为此本文利用遗传进化算法来搜索模拟边坡的非圆弧型最危险滑动面,提出了一种土质边坡稳定性分析的遗传进化调优算法,它是一种全局优化分析方法。有很好的重复性。且不依赖于目标函数的性质和边坡的具体形状。     

深基坑土钉墙内部稳定性计算新方法——最危险滑裂面复合遗传进化 …

高层建筑深基坑土钉墙内部稳定性分析的关键是如何确定最危险滑裂面的位置并计算与相对应的安全系数,这可归结为一类非线性优化问题。为克服传统优化分析方法容易陷于局部最优解的缺点,作者利用从模拟自然进化过程的遗传进化算法和求解约束优化问题的复杂形法而发展起来的复合遗传算法来搜索最危险滑动面,提出了一种深基坑土钉墙内部稳定性分析的复合遗传进化调优算法,它是一种全局优化分析方法,且比一般的遗传算法寻优效率要高     

基于无限条分法的黄土边坡稳定性研究

减少边坡的稳定性造成的地质灾害发生,关键在于研究其稳定性分析方法能否准确地分析其稳定性及破坏模式。根据极限平衡法的边坡稳定性分析理论,研究黄土边坡滑裂面不过坡脚情况下的无限条分法计算理论,通过公式的推导,得到了滑动力矩Mr,抗滑力矩Mf的解析公式,进而得出安全系数K为滑弧半径R,滑动体弦倾角α和坡角平面距离Δl的函数;对遗传进化法搜索最危险滑裂面过程进行有效而合理的简化,依据生物遗传进化步骤中的复制、杂交、变异、竞争和选择等概念,在最危险滑裂面搜索过程中,把双向变异改进为单向变异,增加坡角平面距离Δl变异基因。找出在仅其中一个因素进行变化制约条件下的最小安全系数并确定其适用性,之后变化另一因素重复搜索过程,最终找出最小安全系数以及对应的各因素值,实现对滑裂面不过坡脚的最危险滑裂面搜索;并利用FORTRAN程序编译软件完成了搜索程序的编译;通过工程算例验证,表明该算法具有一定的安全可靠及适用性。     

进化算法初步探讨

进化算法是由生物进化规律而演化出的一种搜索和优化的计算方法。它包括遗传算法、遗传规划、进化策略和进化规划四种。本文简要介绍了进化算法的概念以及四种方案之间的相互联系与区别。     

广义遗传算法在确定土坡最危险滑动面中的应用

介绍了遗传算法的基本原理，讨论了利用广义遗传算法搜索土坡的最危险滑动面及其对应的最小安全系数的算法，并对计算过程进行了编程.计算实例验证了广义遗传算法在边坡工程中的有效性，可以得出广义遗传算法用于确定土坡最危险滑动面是一种全局优化算法.     

企业生产计划模型优化的环境进化算法

根据企业生产计划模型的特点,提出了一种将专家系统方法和线性规划方法结合于其中,以模型的部分关键约束参数作为遗传囵子的遗传优化算法,即环境进化算法．并以纺织企业生产计划模型为例,介绍了环境进化算法的具体实现．     

遗传算法在土坡滑动面搜索和稳定性评价中的应用

针对土质边坡滑面的特点,分析了遗传优化算法在边坡滑动面搜索和稳定性评价的有效应和合理性.通过改编的简易遗传算法程序对高陡土质边坡进行计算,结果显示:遗传算法搜索得到的圆弧滑动面的半径值介于Bishop法和有限差分法之间,同样安全系数值也介于两种方法之间,说明了遗传优化算法应用于土质边坡的滑动面搜索和稳定性评价是可行的,该结论能为土质边坡的稳定性评价和工程加固提供借鉴.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中， 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

基于遗传珊瑚礁优化算法的负载均衡问题

基于珊瑚礁优化算法, 通过在种群的每次进化过程中引入遗传算法中的交叉和变异算子, 提出一种遗传珊瑚礁优化算法, 并将改进的遗传珊瑚礁优化算法运用到负载均衡中, 有效解决了算法过早收敛的问题, 提升了算法的优化性能. 对比经典遗传算法、 珊瑚礁优化算法等群智能算法, 在CloudSim上仿真实验结果表明, 遗传珊瑚礁优化算法优化负载均衡策略取得了满意的结果, 提升了资源能耗利用率, 均衡了控制策略.     

一种新的快速进化策略的设计与实现

对遗传程序设计思想进行拓展 ,通过对传统的进化策略进行改进 ,设计出一种新的快速全局寻优算法 ,该算法克服了传统的进化策略的缺点。实验表明这种新算法收敛速度快、有极强的避免局部极值的全局优化能力。     

线路条数法在m×n流水型排序问题中运用的探讨

传统的m×n流水型排序问题近似最优解解法只是给出一个方案而已,没有考虑进一步调优,因此影响优化程度。为了解决这一问题,提出了调优线路条数法。该方法简单适用,便于掌握,优化程度高,而且在多数情况下比较容易得到最优解。     

基于遗传算法的计算机通信网优化设计

计算机通信网中将路由选择和链路容量分配综合起来考虑时的优化设计模型（ＣＦＡ）是一个复杂的非线性０－１规划，若采用传统的数学方法求解，无法快速有效地求得工程满意解。文中以遗传算法的基本思想为基础，设计了一个与传统方法完全不同的遗传寻优算法。对计算机通信网优化设计实例的计算表明，该算法能够迅速求出ＣＦＡ问题的全局近似最优解，并且解的精确度很高，能够满足工程设计中的要求。     

ERR 的计算研究

为解决一正一负法求解ＥＲＲ要进行反复试算的麻烦，本文提出几种求ＥＲＲ的简便方法     

求解波动方程混合问题的曲线积分法

传统的求解一维波动方程混合问题的方法是分离变量法,进而求出该问题的Fourier级数解.本文首先用特征线将求解区域分割成若干个小区域,然后在每个小区域内用曲线积分法求出该问题的解,最终给出该问题在求解区域内解的显式表达式.     

电力系统中机组组合问题算法的研究

机组优化组合问题是电力系统经济调度的一个重要环节,合理的开停机方案可带来很大的经济效益．实践表明机组优化组合比优化分配负荷更加经济,但由于问题十分复杂,很难找出理论上的最优解．介绍了解决机组组合问题的拉格朗日松弛法及遗传算法,并将两者结合起来对实际算例进行了分析．结果表明,两种算法结合求解能有效克服遗传算法的早熟现象,使生成解的对偶间隙减小,振荡现象得到抑制,能很快收敛到最优解,运行效率高,比传统的算法具有更高的鲁棒性．     

考虑排班的人力资源投入问题的建模与优化

结合实际生产或项目中的排班情况,提出考虑排班的人力资源投入问题。针对该问题建立了以最小化人力资源投入为目标的数学模型。根据资源投入量与排班约束的性质,将原问题数学模型简化,证明简化后问题的数学模型与原问题最优解一致,并通过CPLEX软件求解过程,说明简化后的数学模型在求解速度上表现出很大的优越性。对于大规模问题,由于排班约束会导致班次间资源占用,使用传统任务列表编码方式难以获得较优的解。为此,提出了一种新型编码方式的遗传算法。该算法采用对作业延迟时间进行编码的方式,对作业开始时间进行搜索。为了提升算法的局部搜索能力,对作业延迟时间和开始时间进行局部优化。最后,通过数值实验与CPLEX和文献的算法比较,表明该算法的有效性。     

求解复杂约束优化问题的演化多目标算法

在分析了传统的求解带约束的单目标优化问题存在的问题的基础上,利用多目标优化算法的框架,把单目标优化问题中的软性约束化为新增的目标,把原问题化为一个多目标优化问题,然后利用演化多目标优化算法求解转化后的问题,分析了该方法处理约束的优势,并给出了初步实验结果.     

基于基因群体的一维优化下料

针对一维优化下料问题,将基于群体的编码方法与遗传算法相结合,设计了一种适用于一维优化下料问题的编码方法,修改了经典遗传算子的操作方法,提出了降序最佳置换方法(BRD).引入最佳配合(BF)、优先配合降序(FFD)局部搜索算法,建立了求解一维优化下料问题的复合遗传算法.应用结果显示,本文方法的效果是令人满意的.     

一种求线性规划问题的初始基本可行解的新方法

单纯形法是求解线性规划问题的有效方法。本文给出用初等行变换求线性规划问题的初始基本可行解的新方法 ,该方法与传统的方法相比 ,具有计算量小且占用存储空间少的特点 ,算例证明该方法是可行且有效的     

基于干扰效率的认知OFDMA网络功率分配算法

为了提高认知无线电网络的系统能量效率,同时减小对频谱授权者主用户的干扰,提出了一种新的下行传输干扰效率最大的认知正交频分多址接入(orthogonal frequency division multiplexing access, OFDMA)网络功率分配算法。干扰效率定义为次用户总的传输速率与对主用户总干扰功率的比值。由于原资源分配问题是一个非凸形式的分式规划问题,难以获得功率分配问题的解析解。利用Dinkelbach方法将原问题转换为一个凸优化问题,并利用拉格朗日对偶原理和次梯度更新算法来获得解析解。最后,仿真结果表明,该算法具有较好的收敛性能,并且在干扰效率、对主用户的干扰控制方面都优于传统能效最大的功率分配算法。