文档介绍：采用改进的粒子群优化算法对混凝土面板堆石坝岩土参数的反演分析
摘要:
本文提出了一种改进的粒子群优化算法(PSO),对混凝土面板堆石坝岩土参数进行反演分析。该方法利用不同的系数、不同的进化策略,以防止过早收敛和完善收敛性能。该方法应用到一个研究案例表明,它适用于非常有前途的混凝土面板堆石坝的反演分析。
1、说明:
堆石坝的安全取决于正确的设计、施工、运营等。在设计上,适当的预期主要结构上的应力位移要依靠可供选择的岩土参数的有限元模型。尽管火焰原子吸收光谱法测定岩土参数可以在在实验室或者网站中完成,但是由于测试环境的限制机堆石坝和主要结构所处环境的复杂性导致它很难给出准确的结果。参数的反演分析是一种通过参数特征解决参数确认问题的途径[]1。岩土模型输入的参数通过监测检测值的输出结果从而鉴别确认。已经证明反演分析可以给出关于岩土参数的非常重要的信息。为了改善分析方法和得到更的结果,本文提出了粒子群优化算法(PSO)。
摘要提出一个新的粒子群优化算法是基于随机优化算法,人口是受社会行为的动物,如飞行的鸟[2]. 比起其他的随机优化方法,在解决一些困难的优化问题和更快收敛率的问题时,粒子优化算法有与它们相当甚至优于它们的搜索性能[3]。它只需要几个参数可调,这使得它从实践角度具有吸引力。然而研究表明,在早期的发展过程中它的算法优于其他的进化算法,但是它的解决方案的完善程度有待提高[4][5]。自成一体的粒子群优化算法在不同的情况下采用不同的系数被建议进行改善。在这篇文章中改进的粒子群优化算法被用于大坝岩土参数的岩土分析。混凝土面板堆石坝---西北口大坝坐落于长江的一条支流,被用于进行模拟研究。
2、标准粒子群优化算法
该算法叫做粒子群算法(PSO),因为它就像一群飞鸟。每只鸟根据自己和它的同伴的飞行经验调整飞行。事实上,这代表了一个解决问题的途径。以下是本文采用的符号:
、假定搜索空间是D空间,粒子群中的第i个粒子由Xj--≤Xij,≤Xj+(j=1,2...D的矢量Xi(Xi1,Xi2...XiD)代表,Xj-和Xj+分别是第j个空间的最大值和最小值。
、指数g代表了粒子群中最好的粒子,也就是有最小函数函数值的粒子。
第i个粒子的最好前位置(也就是能给出最优函数值的位置)记作 Pi = (pi1, pi2, …, piD)。
、第i个粒子在这个位子的变化速度记作Vi = (vi1, vi2, …, viD)。
这个粒子是被下列方程控制的:

其中j=1,2...D,i=1,2...N(N是群体规模);ω的惯性权重;c1和c2是两个有研究实证的正向常数,c1 = c2 = ;r1,r2是区间[0,1]中的两个特征随机编号。
方程(1)决定了第i个粒子的速度等三个方面:粒子的速度,以前的距离最好先前的粒子位置及其目前的位置,距离群最好的经验和第i个粒子的当前的位置。惯性权重是可以提交的用来平衡全局和局部搜索。然后,根据方程;(2),第i个粒子“飞”迈向一个新的位置。一般来说,每个粒子的性能量根据适应度函数通常是最大为目标函数。
3、参数群体参数自适应微粒群算法
通过对几种改性机理分析粒子群优化算法([6],介绍了一种新的统一模型,并分析了收敛与线性控制理论。为了提高计算效率,增强全局搜索性能参数的自适应算法,