车辆布载问题中群体智能优化算法的对比研究.pdfVIP

摘 要 桥梁荷载试验作为最有效的桥梁检测手段之一，被广泛应用于桥梁结构的承 载能力评估。目前大多数桥梁静载试验方案中仍通过手工试算的方式确定车辆布 载位置，存在计算量大、效率低以及难以判断非加载截面的加载效率是否超限等 问题。随着计算机技术的发展，工业软件朝着智能化发展，为减少静载试验方案 设计的工作量和提高试验效率，静载试验车辆自动化布载的研究具有实际意义， 本文基于群体智能优化算法中蚁群算法和粒子群算法的智能寻优原理，对桥梁静 载试验车辆自动化布载问题进行研究。本文主要研究内容如下： （1）根据桥梁静载试验特点，结合结构优化理论，将车辆布载问题转化为 多维有约束的非线性组合优化问题，建立车辆自动化布载的优化模型。该模型以 车排前轴位置、车辆类型、车排方向和车辆数为设计变量，以所需试验车辆最少 为目标函数，以控制截面、非控制截面加载效率和最小车排间距为约束条件。采 用动态罚函数法对优化模型的约束条件进行处理，以便用于车辆自动化布载问题 的研究。 （2 ）基于车辆布载问题的特点，分别对蚁群算法和粒子群算法进行改进， 并根据改进后的算法原理，采用 Visual Basic.NET 语言编制车辆自动化布载程序 VLP 。通过改变车排前轴位置的取值区间和随机生成策略，提出一种初始车辆位 置信息生成方式，能有效提高算法的计算效率；通过改进蚁群算法的转移概率计 算方式、信息素的更新方式和迭代终止条件，并提出全局搜索策略和局部搜索策 略来进行车辆布载问题的求解；改进粒子群算法初始位置和速度向量的生成方式， 采用动态调整策略对惯性权重 w 和学习因子 c 、c 的取值进行调整，并基于离散 1 2 二进制粒子群算法原理对离散变量的新解产生方式进行改进以适用于车辆布载问 题的求解。 （3 ）结合工程实例，对车辆自动化布载程序 VLP 进行验证。结果表明，对 于简支梁桥、连续刚构桥、钢管混凝土拱桥、斜拉桥和悬索桥而言，该程序能自 动计算出满足规范要求的布载方案，且保证非加载截面加载效率不超限，程序具 有较好的通用性、稳定性，能有效提高方案编制人员的计算效率，具有工程实用 价值。 （4 ）对比分析蚁群算法和粒子群算法在车辆布载问题中的适用性，并对程 序参数的取值进行研究，给出推荐取值。结果表明，蚁群算法和粒子群算法在车 辆布载问题中有着各自的计算优势，在处理多峰值影响线加载工况时蚁群算法的 适用性更好，而在处理多车排、高维度加载工况时粒子群算法的适用性更好，可 I 根据实际情况灵活选择算法进行优化计算；当蚁群算法中局部搜索步长 LocalSearch_Setp 取值范围为[1,10]，粒子群算法中学习因子Cmax 取值范围为[30,60] 时，程序能快速、准确地计算得到满足规范要求的车辆布载方案。 （5 ）基于蚁群算法原理，开展荷载试验工况合并研究。结果表明，根据观 察当前车辆位置下其他工况的加载效率可找出存在合并可能性的试验工况，采用 程序的工况合并功能可以进行自动工况合并，达到减少工作量，提高试验效率的 目的。 关键词：荷载试验，蚁群算法，粒子群算法，自动化布载，工况合并 II 目 录 摘 要 I ABSTRACT III 第一章绪论 1 1.1 前言 1 1.2 研究背景及意义 2 1.3 国内外研究现状 2 1.3.1 国外研究现状 2 1.3.2 国内研究现状 3 1.4 本文主要研究内容 5 第二章群体智能优化理论 7 2.1 群体智能优化算法概述 7 2.2 蚁群算法概述 8 2.2.1 蚁群算法的原理 9 2.2.2 蚁群算法的优缺点 9 2.2.3 蚁群算法的基本流程 10 2.3 粒子群算法概述 13 2.3.1 粒子群算法的原理 13 2.3.2 粒子群算法的优缺点 14 2.3.3 粒子群算法的基本流程 14 2.4 本章小结 16