论文部分内容阅读
基坑支护工程优化设计由于具有涉及因素众多,各因素之间的关系复杂,设计参数离散性,方案和细部呈现层次性设计等特点,采用传统优化方法进行设计效果不理想。 遗传算法是全局优化的搜索算法,它利用优胜劣汰的自然选择来指导和学习以确定搜索方向。与传统搜索方法相比,遗传算法对所求解的优化问题没有太多的数学要求,适用范围更广,适合于解决基坑支护优化问题。 遗传算法的并行实现为提高遗传算法的收敛速度提供了一种可行方法。在对比几种常用的并行遗传方法后,本文提出了一种基于群体适应值计算并行性和群体演化并行性,适用于复杂工程应用问题的分布式并行方法——分布式协同演化算法。该算法吸收了Hvbs&Cero提出的问题空间与解空间分离协同演化(Co-evolution)的思想以及并行工程的协同设计思想,将工程优化任务分解为方案设计和细部设计两部分。进行适应函数分解和约束转换后,方案设计和细部设计分别由局域网中的不同处理机分层次地协同演化完成。其中方案设计由系统级优化器完成;细部设计由不同部分组成,各部分分别由不同的子优化器完成。分布式协同演化算法,引入了遗传算法的优胜劣汰法则,加入了问题空间与解空间的层次性协同演化,为变化的方案提供变化的细部探索区域,适用于诸如基坑支护优化问题等参数离散的、带层次性的复杂工程问题。 在重点分析了基坑支护优化设计各个因素、因素之间的关系及其对深基坑支护的作用与影响后,本文提出了方案与细部两层协同优化的设计方案,建立方案与细部两层协同优化演化模型和算法。 两层协同演化的实验表明,影响基坑支护搜索时间的主要因素是细部演化。因此在两层协同演化的基础上,本文从细部中分解出子细部,加入细部与子细部协同演化的思想,形成三层协同演化模型,并根据分布式协同演化的思想建立分布式三层协同演化的实现模型。 最后建立分布式并行计算环境,设计基于遗传算法的基坑支护分布式三层协同演化系统,分别构造主服务程序算法和子服务器算法程序及客户机输入界面,解决客户/服务器之间的通信、主服务器与子服务器之间的通信问题,对方案和细部、细部和子细部进行分布并行协同搜索,获得出最优方案。实验表明分布式三层协同演化是可行的,它能提高基坑支护遗传优化的效率,具有一定的实用价值。