基于人工蜂群算法的岩土边坡稳定性测度分析

传统算法存在对初值选择敏感或者容易陷入局部最优的弊端,求解准确性较差。为此提出一种新的基于人工蜂群算法的岩土边坡稳定性测度分析方法。针对某研究岩土边坡,将坡脚看作坐标原点,构造直角坐标系,计算边坡稳定性系数。针对若干圆弧滑动面,构造优化数学模型,将其看作适应度函数,通过人工蜂群算法对其进行求解。在寻找最优解时,形成含若干解的初始种群,不同蜂群首先对解进行一次邻域搜寻,把新得到的解和之前解比较,保留适应度更高的解。人工蜂群算法随机因子多,在寻优后期,收敛速度过快,影响收敛准确性。为此,引入细菌趋化思想对其进行改进,在蜂群密度较小的情况下,蜂群开始吸引操作,在种群密度较大的情况下,蜂群开始排斥操作,引入自适应步长,增强蜂群全局搜索能力。经实验验证,所提算法可搜索获取全局最优解,有效完成岩土边坡稳定性测度分析。     

边坡稳定性分析水平条分法及其进化计算

研究了层状边坡稳定性分析计算方法,提出了适合此类边坡稳定性分析的水平条分法．通过改进进化过程中的选择和复制机制以及交叉和变异操作,提高了进化算法的搜索效率和全局收敛性能,并据此提出了层状边坡稳定性分析和临界滑动面搜索改进进化算法．实例验证及对比分析表明本文方法与常用方法如Bishop法和Chen-Morgenstern法的计算结果的误差在5％以内,适合于非均质边坡稳定性分析且能快速搜索到全局最优解．     

边坡稳定性任意条分法分析中安全系数的计算

基于边坡稳定性分析的任意条分方法, 在单元静力平衡分析中引进作用在边界上的虚拟平衡力, 满足边坡安全系数求解过程中单元静力平衡的要求. 分析了虚拟平衡力与边坡安全系数间的变化规律, 研究了通过迭代求解非线性方程确定在虚拟平衡力趋于零时边坡安全系数的基本原理. 研究结果表明:基于给出的算法,通过迭代求解安全系数, 收敛速度快;在迭代初期,平衡力与安全系数间有较复杂的对应关系;当迭代次数大于某一值后,平衡力随安全系数的增加而单调地变化.     

圆弧条分法在岩质边坡稳定性中的应用

为了准确判断岩质边坡的稳定性,有效指导边坡的设计与施工.利用极限平衡原理,引入岩质边坡裂隙水压力,推导了边坡稳定性的安全系数公式.通过对典型边坡采用圆弧条分法计算分析,得出边坡稳定系数.该方法适用性强,计算简单,结果与工程实际相符,对设计和施工有借鉴意义.     

路基边坡稳定性分析的新方法——径向条分法

提出了一种路基边坡稳定分析的新方法--径向条分法.该法将滑坡体用从滑弧圆心引出的径向射线分割为扇形土条进行稳定性分析.给出了在边坡稳定性系数最小时滑弧圆心和半径必须满足的条件.     

以通用条分法进行边坡稳定分析

本文首先介绍了通用条分法的基本方程。它直接将条间力合力的大小和方向作为未知数,并通过一系列的转化求得土条间合力方向间的关系,从而易通过编程求得其安全系数。     

基于Bishop条分法的边坡可靠度应用研究

基于Bishop条分法,研究隐式功能函数边坡工程稳定可靠度计算方法。将传统的响应面分析方法与Bishopt条分法相结合,形成一种新的边坡稳定可靠性响应面分析方法。采用此方法分析某一边坡工程的稳定可靠性,并把分析结果与蒙特卡洛模拟法计算结果进行对照。研究结果表明:该方法计算效率较高,原理简单,精度满足要求。     

土坡稳定性塑性极限分析条分法

从土塑性力学极限分析上限定理出发，建立了土坡条分法平移破坏机构，根据外部作用荷载和土体自重所做的外功率与塑性变形区的内部能量耗量率相等的条件，建立起虚功率方程，并由此得到了土坡稳定系数计算公式，该公式具有概念清楚，使用方便可靠等特点，对土坡稳定性分析具有一定实用意义。     

土坡等圆心角斜条分法与经典条分法的比较

通过对等圆心角斜条分法(D条分法)及传统条分法求解安全系数过程的分析,定性地分析了D条分法与传统条分法的不同之处,再结合澳大利亚ACADS考核算例计算结果,对D条分法与传统条分法的差异加以定量分析,同时也对定性分析结论的正确性加以验证.结果表明,D条分法与传统条分法已经有很大程度的不同,当平均应力水平接近于0或1时,所得出的安全系数与传统条分法得出的安全系数的差异将更大,应直接采用平均应力水平来评价土坡的稳定性.     

浸水路堤边坡稳定性分析

浸水路堤是公路的重要组成部分。因其受力情况甚为复杂,对其边坡稳定性进行合理分析是路基设计的重要内容。以圆弧滑动面稳定分析理论为基础,论述了浸水路堤边坡稳定性分析的原理和方法。分别用三种不同的方法分析了某路堤的边坡稳定性,讨论了各种方法计算结果的差异并指出了其适用性。     

基于单纯形法的人工蜂群算法改进研究

人工蜂群算法中的侦察蜂阶段的搜索操作在一定程度上可以解决算法陷入局部最优的问题,但也和其他启发式优化算法一样,存在着局部搜索能力差,在接近最优解时搜索效率下降,以及求解复杂问题时可能陷入局部最优而使算法停滞等缺陷。为了改善此缺陷,采用NM算法来取代人工蜂群算法侦察蜂阶段的随机产生个体机制,提出了一种基于NM算法的改进人工蜂群算法(NMABC)。希望基于NM算法优异的局部搜寻能力,改善人工蜂群算法局部搜索能力较差之缺陷并提高搜索效率。     

基于子种群的改进人工蜂群算法

针对人工蜂群算法以及现有改进算法的不足,提出了一种基于子种群的改进人工蜂群算法.此算法利用个体适应值与种群适应值平均值的比较,将种群划分为两个子种群,每个子种群采用不同的搜索方式,有效地平衡了不同搜索方式的探索和开发能力.此外,采用分段Logistic方程的初始化方法产生初始解,提高算法的收敛速度.与基本蜂群算法和其他改进蜂群算法进行比较,数值仿真结果表明,所提算法在处理复杂数值优化问题时具有更好的寻优精度和收敛速度.     

模糊人工蜂群算法在加工中心组成问题中的应用研究

研究成组技术中加工中心的组成问题。在满足各中心机器间相似系数最大的情况下,寻求最优组成方案。针对人工蜂群算法搜索缓慢、易出现早熟等问题,提出了一种模糊人工蜂群算法。该算法采用模糊位置矩阵表示问题的解,重新定义了候选解产生公式,并设计了新的选择概率公式。建立了模糊位置矩阵与问题可行解的映射关系。仿真结果表明,该算法是可行、有效的。     

一种改进的多目标人工蜂群算法

由于基本多目标人工蜂群算法存在着种群盲目搜索、算法开发能力有限等缺点,在利用人工蜂群算法求解多目标优化问题时,提出了一种改进的人工蜂群算法.通过在算法中引入自适应搜索机制和变异机制等操作,使得种群个体可以有针对性地进行更新,同时也大大提高了种群个体的多样性.最后利用几种多目标的测试函数对改进前后的多目标人工蜂群算法的性能进行测试,结果表明:改进后多目标人工蜂群算法具有良好的算法收敛性和均匀性.     

基于人工蜂群算法的现场服务调度问题研究

现场服务调度问题是一类极为复杂的NP难题,是影响现场服务效率的关键问题。针对现有研究中未考虑客户满意度的问题,综合运用前景理论与模糊理论,以降低客户平均不满意度为目标,建立了有时间窗约束的现场服务调度问题模型;并借助改进的最廉价插入法与人工蜂群算法结合的方法对该问题进行优化求解。最后,通过算例仿真发现,与传统的贪婪算法相比,人工蜂群算法在优化质量和鲁棒性方面的优势更为明显。     

人工蜂群算法及其应用

为促进人工蜂群算法理论和应用的发展, 在分析人工蜂群算法的基本原理基础上, 针对算法的不足, 全面地归纳了国内外学者对算法的改进研究, 对算法的蜜源初始化、更新策略的改进、调整策略的改进、适应度函数的选择以及与其他算法的融合进行综述, 提出了更有效的改进策略。同时从多方面综述了人工蜂群算法的应用, 并对人工蜂群算法的发展方向进行了总结和展望。     

数据云中基于启发式反向蜂群的虚拟机选择节能算法

结合数据中心中数据密集型作业的频繁读写数据特点,综合考虑CPU使用率和RAM使用率两个影响因素构建服务器能耗评价模型,并引入人工蜂群算法及启发式反向思想,将其应用于数据中心虚拟机迁移策略中的虚拟机选择环节,实现云计算中数据中心节能问题的优化.在CloudSim 3.0云计算模拟器中的仿真实验结果表明:该启发式反向蜂群虚拟机选择节能算法(ABCS)与最大最小时间(MMT)、随机选择(RS)和最小使用率(MU)3种经典虚拟机选择算法相比节能20%~25%,虚拟机迁移频率减少至5%以下.     

基于粒子群和人工蜂群算法的混合优化算法

提出一种基于粒子群(PSO)和人工蜂群算法(ABC)相结合的新型混合优化算法—PSOABC。该算法基于一种双种群进化策略,一个种群中的个体由粒子群算法进化而来,另一种群的个体由人工蜂群算法进化而来,并且在人工蜂群算法中按轮盘赌的方式选择个体进化所需的随机个体。此外,算法采用一种信息分享机制,使两个种群中的个体可以实现协同进化。对4个基准函数进行仿真实验并与ABC进行比较,表明本文提出的算法能有效地改善寻优性能,增强摆脱局部极值的能力。     

基于GPU改进的并行人工蜂群算法

相对于先前的并行人工蜂群算法进行了一些改进,主要采用OpenCL本地内存、并行规约等技术,提出了一种基于图形处理器（GPU）改进的并行人工蜂群算法．该算法将采蜜蜂映射为OpenCL一个工作项,跟随蜂采用右邻域优先的局部选择机制．实验结果表明：文中提出的改进并行人工蜂群算法提高了算法的执行效率,收敛速度得到提升．