文档介绍：钻孔灌注桩基坑支护结构参数优化设计
钻孔灌注桩基坑支护结构参数优化设计
摘要:将遗传算法用于基坑地下连续墙支护优化设计中,通过编辑自动计算程序对地下连续墙支护结构参数优化。算法全部约束均按基坑相关规范要求给出,通过工程实例和监测结果证明该优化设计方法有效性。
关键词:钻孔灌注桩;基坑支护;遗传算法;优化设计
Abstract: The ic algorithm is used for excavation of underground continuous retaining wall optimization design, by editing the automatic calculation program of underground continuous wall supporting structure parameters optimization. Algorithm of all constraints is requirements of related codes are given according to the foundation; through the project example and the results prove the validity of the optimization design method.
Key words: bored pile; foundation pit; ic algorithm; optimization design
中图分类号:+4文献标识码:A文章编号:

深基坑支护结构随着城市化建设大量出现,同时支护选型和设计极为保守造成浪费,如何选取合理设计基坑同时保障基坑及周围环境安全前提下使工程造价最低是工程设计最关心的问题,所以深基坑支护结构优化设计具有显著技术经济意义。
深基坑支护优化设计设计参数复杂,目标函数与设计参数之间的关系是复杂的非线性关系[1],神经网络遗传算法是具备智能性、全局优化性和内在学习性等特点一种优化计算方法,可解决深基坑支护优化设计的非线性关系。
1 遗传算法基本原理
遗传算法采用编码的技术,效仿了生物物种由低级到高级的进化过程,从初始种群开始,采取“优胜劣汰,适者生存”的自然法则对个体进行选择、交配、变异,进而产生新一代种群,重复逐代演变进化,直到产生出满足条件要求的个体为止,它是基于种群的智能优化法的一种。
遗传算法具有智能性、全局优化性和隐含并行性三个特点。遗传算法具有智能算法中的自适应、自组织和自学习等特点,由于交叉算子的作用,使得搜索方向集中在空间中期望值最高的部分,同时由于变异算子的作用,确保了群体的多样性,防止了搜索被引导到局部最优。遗传算法具有潜在的并行性,由于搜索过程是同时从多个点出发,使得这种多智能体的协作过程是异步并发进行的,同时搜索解空间内的多个区域,相互交流信息,这种分布式并行模式大大提高整个算法的快速反应能力和运行效率。除此之外,遗传算法还具有通用性、内在学习性、多解性、非定向性等特点,这些特点使遗传算法在实际的工程优化中,得到了很大范围的应用。
遗传算法常用步骤如下:①目标函数确定;②根据约束条件生成解的初始成员种群;③译码染色体使其适合评价