基于粒子迁徙的粒群优化算法及其在岩土工程中的应用

›› 2011, Vol. 32 ›› Issue (4): 1077-1082.

基于粒子迁徙的粒群优化算法及其在岩土工程中的应用

常晓林¹，喻胜春^{1, 2}，马刚¹，周伟¹

1. 武汉大学水资源与水电工程科学国家重点实验室，武汉 430072；2. 佛山市南海南源水利水电勘测设计院有限公司，广东佛山 528200

收稿日期:2010-03-02 出版日期:2011-04-10 发布日期:2011-04-29
作者简介:常晓林，男，1963年生，博士，教授，主要从事高坝结构设计理论与数值仿真方面的研究
基金资助:
国家自然科学基金(No. 50779047)

Particle swarm optimization based on particle migration and its application to geotechnical engineering

CHANG Xiao-lin¹，YU Sheng-chun^{1, 2}，MA Gang¹，ZHOU Wei¹

1. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China; 2. Nanhai Nanyuan Water Conservancy and Hydropower Investigation and Design Institute Corporation Limited of Foshan City, Foshan, Guangdong 528200, China

Received:2010-03-02 Online:2011-04-10 Published:2011-04-29

摘要/Abstract

摘要：

受自然界物种迁徙的启发，提出了一种新的改进的粒群优化算法(MPSO)。算法初始化时，将粒子随机地划分为若干个子粒群，每个子粒群按照给定的策略独立演化，在演化中的指定时段进行粒子的随机迁徙和自适应变异，以保持整个种群的多样性，避免早熟收敛。基准测试函数的计算结果表明，MPSO算法的性能优于其他几种改进算法。堆石体幂函数流变模型，参数较多，具有很强的非线性，将MPSO算法应用到堆石体幂函数流变模型的参数反演中。计算结果表明，利用反演的流变模型参数计算的坝体流变变形与实测变形在发展规律和数值上均比较吻合，证明MPSO算法在多参数、强非线性的复杂模型参数反演中的优越性。

关键词: 流变模型, 参数反演, 粒群优化算法, 粒子迁徙, 自适应变异

Abstract:

Inspired by the migratory behavior in the nature, a novel migrated particle swarm optimization (MPSO) algorithm is proposed. In this new algorithm, the population is randomly partitioned into several sub-swarms, each of which is made to evolve based on particle swarm optimization with time varying inertia weight and acceleration coefficients (LPSO-TVAC). At periodic stage in the evolution, some particles randomly migrate from one complex to another to enhance the diversity of the population and avoid premature convergence. It further improves the ability of exploration and exploitation. Simulations for benchmark test functions illustrate that the proposed algorithm (MPSO) possesses better ability to find the global optima than other variants and is an effective global optimization tool. Then the new algorithm is applied to parameters inversion of rheological model of rockfill. The results show that MPSO remarkably improves the calculation accuracy and is an effective tool in parameter inversion of complex model.

Key words: rheological model, parameter inversion, particle swarm optimization (PSO) algorithm, particle migration, adaptive mutation

中图分类号:

TV 315

常晓林，喻胜春，马刚，周伟. 基于粒子迁徙的粒群优化算法及其在岩土工程中的应用[J]. , 2011, 32(4): 1077-1082.

CHANG Xiao-lin，YU Sheng-chun，MA Gang，ZHOU Wei. Particle swarm optimization based on particle migration and its application to geotechnical engineering[J]. , 2011, 32(4): 1077-1082.

参考文献

相关文章 15

[1]	马春辉, 杨杰, 程琳, 李婷, 李雅琦, . 基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究[J]. 岩土力学, 2019, 40(6): 2397-2406.
[2]	刘斌, 许宏发, 董璐, 马语卿, 李可良, . 岩盐循环荷载下基于DS黏壶的非线性流变模型研究[J]. 岩土力学, 2018, 39(S2): 107-114.
[3]	时刚，刘忠玉，李永辉. 循环荷载作用下考虑非达西渗流的软黏土一维流变固结分析[J]. , 2018, 39(S1): 521-528.
[4]	张向东，李军，孙琦，易富，曲直，. 基于弹性模量退化的冻土动力损伤特性研究[J]. , 2018, 39(11): 4149-4156.
[5]	谷任国，邹育，房营光，胡玉光,. 引入非线性瞬时弹性模量的软土流变模型[J]. , 2018, 39(1): 237-241.
[6]	刘秀敏，蒋玄苇，陈从新，夏开宗，周意超，宋许根, . 天然与饱水状态下石膏岩蠕变试验研究[J]. , 2017, 38(S1): 277-283.
[7]	王开禾，罗先启，沈辉，张海涛. 围岩力学参数反演的GSA-BP神经网络模型及应用[J]. , 2016, 37(S1): 631-638.
[8]	杨荷，周伟，马刚，李少林，常晓林. 基于响应面法的高堆石坝瞬变-流变参数反演方法[J]. , 2016, 37(6): 1697-1705.
[9]	陈健，王占盛，戎虎仁，. 互相关参数随机场反演的“一体两分”方法[J]. , 2016, 37(6): 1773-1780.
[10]	郭庆彪，郭广礼，吕鑫，陈涛，王金涛,. 山区谷底沉陷预测模型及其参数反演[J]. , 2016, 37(5): 1351-1356.
[11]	程立，刘耀儒，潘元炜，杨强，周钟，薛利军，. 基于蓄水期反演的锦屏一级拱坝极限承载力分析[J]. , 2016, 37(5): 1388-1398.
[12]	杨振伟，金爱兵，王凯，孟新秋，高玉娟，. 基于颗粒流程序的黏弹塑性本构模型开发与应用[J]. , 2015, 36(9): 2708-2715.
[13]	余湘娟，殷宗泽，高磊 , . 软土的一维次固结双曲线流变模型研究[J]. , 2015, 36(2): 320-324.
[14]	李守巨，张军，梁金泉，孙振祥,. 基于堆石坝竣工期沉降观测数据的材料非线性本构模型参数反演[J]. , 2014, 35(S2): 61-67.
[15]	田泽润，李守巨，于申. 白山抽水蓄能泵站地下厂房的岩体力学参数反演[J]. , 2014, 35(S2): 508-513.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed