基于遗传算法的土坡稳定性分析.pdfVIP

第 14 卷　第 4 期 　　　　　　　　　　广 西 工 学 院 学 报 　　　　　　　　　　　V ol14　N o 4 2003 年 12 月 　JOU RNAL O F GUAN GX IUN IV ER S IT Y O F T ECHNOLO GY　　　 D ec 2003 文章编号 (2003) 基于遗传算法的土坡稳定性分析 1 2 2 邹万杰 , 韦立德 , 徐卫亚 ( 1 广西工学院建筑工程系, 广西 柳州　545006; 2 河海大学岩土工程研究所, 江苏 南京　210098) 摘　要: 基于圆弧滑动面假定, 介绍了一种用遗传进化算法确定边坡最危险滑动面及其对应的最小安全系数的方 法。该方法模拟了生物遗传进化的过程, 克服传统方法容易陷入局部极小值的缺点, 是一种全局优化算法。 关　键　词: 遗传算法; 边坡稳定性; 最小安全系数 中图分类号: TU 441 35　　　　文献标识码:A 1　前　言 　　用极限平衡理论分析边坡稳定性, 其关键问题是确定最危险滑动面及其对应的最小安全系数。基于圆弧 滑动面假定, 简化的毕肖埔法被广泛应用于土坡稳定性分析之中[ 1, 3 ]。在搜索最危险滑动面圆心时, 工程中最 [ 2 ] [ 3 ] [ 4 ] 常用的方法有: 消元法中的二分法 、坐标轮换法 或黄金分割点优选法 等。尽管这些方法在工程实践中 得到了广泛的应用, 然而由于方法本身的局限性, 很容易陷入局部极小值。现介绍一种用遗传进化算法搜索 最危险滑动面及其对应的最小安全系数的方法[ 5, 6 ]。该方法模拟生物遗传进化过程, 克服传统方法容易陷入 [ 5 ] 局部极小值的缺点, 是一种全局优化算法 。 2　遗传算法 　　遗传算法[ 5 ] ( 简称 GA ) 是一种根据达尔文进化论思想, 借鉴生物界自然选择和自然遗传机制的高度并 行、随机和自适应搜索的全局优化和智能搜索算法。它模拟了生物进化过程中的“优胜劣汰, 适者生存”的法 则, 将选择、杂交和变异等概念引入算法中, 通过构造一组初始可行解群体并对其操作, 使其逐渐朝着最优解 的方向进化。它克服了传统方法易陷入局部最优解的缺点, 可以较快地搜索到全局最优解, 对目标函数的形 态没有具体的要求, 以适应度函数指导随机化搜索方向。适应值类似于自然选择的力量; 选择算子根据父代 中个体适应值大小进行选择或淘汰, 保证了最优搜索方向; 使用交叉算子模拟基因重组及随机信息交换, 保 证了 GA 的搜索范围; 使变异算子模拟基因突变, 保证了 GA 的全局搜索能力。实施的具体步骤如下: 　　① 编码: 由于遗传算法不能直接处理解空间的解数据, 因此在搜索之前, 必须通过编码把解空间变量表 示成遗传空间的基因型串结构数据—基因串。编码方法有二进制编码方法、浮点数编码方法和符号编码方 法, 现采用二进制编码方法编码。 ② 产生初始群体: 遗传算法是群体型操作算法。对解空间编码后, 在一定的约束下随机产生N 个可行解 的基因串, 每个码串代表群体的一个祖先,N 个码串构成了初始群体。以这个初始群体作为起始点开始迭代 搜索。 ③ 计算个体适应值, 评价个体优劣: 遗传算法在搜索进化过程中仅用适应度函数值来评估个体或解的 优劣, 作为以后遗传操作的依据。适应度函数表明个体对环境适应能力的强弱。对反分析问题, 采取与一大 收稿日期: ( ) 作者简介: 邹万杰 1974 , 广西蒙山人, 广西工学院讲师, 武汉理工大学博士生。 © 1995-2005 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved. 20