地基工程中的基坑位移反分析问题、地基模量测定和动力响应的建模问题以及地基沉降预测问题,均表现出高维、多峰值、非线性、不连续、非凸性等复杂特征,并往往含有各种不确定的信息类型。按进化算法的基本思想,地基工程中的典型问题的求解均可转化为优化问题的求解。传统确定性优化方法难以解决这类复杂的优化问题。以进化算法为代表的智能计算技术虽然为复杂优化问题的解决提供了一个新途径,但由于进化算法自身的不足,限制了进化算法的进一步应用。基于上述背景和相关研究课题,本文对克隆选择算法进行了较深入的研究,提出利用克隆选择算法和BP网络相结合求解基坑工程中位移反分析问题;同时,提出利用克隆选择算法(Clonal Selection Algorithm,CSA)与支持向量机(Support Vector Machines,SVM)相结合求解地基工程中的有关建模和变形预测问题。文中较详细地论述了克隆选择算法的生物学基础、基本原理和具体的实现过程和步骤,在深入理解克隆选择算法机理的基础上,研究了克隆选择算法相关参数对算法性能的影响,并界定了相关参数的取值范围,以确保克隆选择算法的优良性能,同时分析了克隆选择算法求解复杂优化问题的性能,仿真试验表明克隆选择算法求解这类优化问题具有多点操作、并行计算、收敛速度快、搜索能力强和稳定性好的特点。岩土介质材料力学性能参数的获取是岩土工程问题解决的前提、基础和保障,而位移反分析方法是取得岩土介质材料力学性能参数的有效途径。传统的位移反分析方法计算量较大、收敛速度慢、稳定性差,且不易掌握,利用这种方法求得的岩土介质材料力学性能参数的精度通常较低。文中提出应用克隆选择算法求解位移反分析问题的新方法,其核心是采用BP网络作为正演工具代替有限元方法,用来描述岩土介质材料力学性能参数和位移的非线性映射关系,可减少计算量;再利用克隆选择算法为反演工具,对岩土介质材料力学性能参数进行优化,结果表明具有较高的精度。依据高精度的岩土介质材料力学性能参数又可以估算出精度较高的位移,为指导地基工程的下一步施工和过程变形监控打下基础。通过仿真试验的对比分析表明新方法是可行和有效的。支持向量机技术是处理小样本数据建模问题的有力工具。但是,支持向量机的性能对其相关参数的选取具有很大的敏感性,亦即相关参数的微小变化对支持向量机的性能都有较大的影响。文中提出利用克隆选择算法优化支持向量机的相关参数,以提高支持向量机的性能,对于分类问题,选用分类正确率作为目标函数;对于回归问题,选择拟合数值与真实数值的均方误差作为目标函数。通过仿真试验证明克隆选择算法能够实现支持向量机相关参数的最优匹配。采用基于克隆选择算法优化的支持向量机求解基坑工程中的确定地基模量、动力响应关系的建模问题和地基沉降预测问题,都可达到很高的精度。深入研究克隆选择算法,对于克隆选择算法自身的发展具有理论意义。应用克隆选择算法和BP网络相结合求解基坑工程中的位移反分析问题;应用克隆选择算法与支持向量机相结合求解地基工程中的地基模量和动力响应关系建模问题以及求解地基工程中的变形、沉降问题等都具有理论价值和实际应用意义,这不仅为地基工程中相应的实际问题的求解建立了一个模式和框架,也为其他工程领域的类似问题的求解打下一个良好的基础。