蚁群算法在路面模量反演中的研究与应用.pdfVIP

· 74· 路基工程 2009年第4期 (总第 145期) 蚁群算法在路面模量反演 中的研究与应用 王复明 刘小梅 蔡迎春 (郑州大学环境与水利学院 河南郑州 450002) 摘 要 基于蚁群算法的基本原理，提 出了路面材料特性的蚁群反演算法。采用启发信息概率选 择方法和多层循环迭代逐步缩小初始值选择范围的措施 ，提高算法精度，并用算例对其算法进行验 证，结果表明，蚁群算法能以较高的精度解决连续空间优化问题。 关键词 蚁群算法 连续空间优化 路面模量 反演 信息素 0 引言 径共有 g()条；路径 P对应 的 目标 函数值为 路面模量反算是一非常复杂的非线性最优化问 Fp(E)。在t时刻，边 (，)对应的目标 函数值的标 题，目前，国内外主要有图表法、回归公式法、迭代 准差为 法 (模式识别法)、数据库搜索法 、神经网络法 和 遗传算法等 j1_2]。这些方法存在初始值敏感、局部 收敛、精度不高等相对不足。因此，本文以路面模量 反演作为研究对象，提出基于蚁群算法的路面模量反 式中 m(X：，)为t时刻，边 (i，)对应的 目标函数 演算法，并将其用于工程算例中，精度较高。 值的数学期望值，由式 (2)求得 ∑ (E) 1 路面模量反演的蚁群算法 1．1 路面模量反演 m() ：： (2) 基于蚁群算法的路面模量反演，是根据 FWD等 因此 ，模量反演中的选择概率可写成 (3)式 公路无损检测仪器测得的弯沉盆数据，利用力学理论 和数学方法 ，通过弯沉盆的拟合来反求路面材料特性 pp：：((￡))=：f{—∑；(t)(￡)_(∈『a，。w·ed)((33)) l Eallowed 参数。 0(otherwise) 本文讨论三层弹性路面体系，未知参数分别为面 式中 allowed是蚁群许可表，它记录 目前蚂蚁可以 层、基层和路基的模量。各层模量均为一个参数层。 访问的城市的集合。 根据一般道路模量的范围，确定出各层模量的搜索范 1．3 目标函数及参数选取 围；在变量区域打网格 ，即将空间离散化，每个空间 1．3．1 目标函数 的网格点各对应一种状态 ，人工蚂蚁在各个空间网格 由于路面模量反演过程是通过计算弯沉盆与实测 点之间移动，根据网格点的目标函数值 ，留下不同的 弯沉盆 的拟合来实现 的，因此，目标 函数确定为 信息素，以此来指导下一次蚂蚁的移动方向，循环一 FWD各个传感器位置处的计算弯沉和实测弯沉的相 段时间后，目标函数值小的网格点信息量 比较大，找 对均方差与最大相对误差的和。设路面结构为b层， 出目标函数值最小时所对应的网格点，在其附近调整 则 目标函数可表示为 变量搜索范围，重复上述过程 ，直到搜索到最优解