收藏本站
《大连理工大学》 2006年
收藏 | 手机打开
二维码
手机客户端打开本文

智能反演算法及其应用研究

田明俊  
【摘要】:本文在分析现有反演问题求解方法的基础上,针对智能反演中存在的搜索早熟及计算量大等困难,将一些新颖智能算法引入工程反问题求解领域,开展了智能反演方法的研究。本文的主要研究工作如下: 阐述了本文的选题背景及意义,对岩土工程中反问题研究的发展现状进行简单回顾,对反问题求解方法进行了较详细的分类,指出智能反演方法研究是反演方法研究的一个重要内容,改善算法早熟收敛现象、减少计算量及提高结果可信度是智能反演方法研究所要解决的问题,确定了本文的研究内容。 介绍了新近为求解复杂组合优化问题而提出的蚁群算法及其研究现状,尝试将其运用于结构参数的反演计算。为此,先对待反演参数的搜索空间进行离散,将参数反演问题转化成一个组合优化问题,并对参数组合优化问题与一般优化问题的计算量进行了比较,指出前者的计算量远远小于后者,然后针对结构参数反演问题的特点,改进蚁群算法,重新定义了算法参数的内涵,建立了蚁群算法反演结构参数的计算格式。计算表明,改进蚁群算法可有效地求解结构参数反演问题,有较强的抗噪能力,并能较好地改善搜索的早熟现象。 对粒子群算法理论及应用研究发展现状进行了阐述,总结了该算法的优点及不足,在此基础上,通过数学分析,给出了保证算法收敛的参数取值范围。为了使粒子群算法能更有效地进行结构参数的反演计算,构建了一种以时间和目标函数标准差为自变量的动态惯性权重计算式,并充分利用粒子群算法的特点,提出了一种约束自适应方法。算例表明,粒子群算法一般只需较小的种群规模和较少的迭代次数就可以得到问题较好的解,计算量小,收敛较快,在减少反问题计算量方面有一定的优势。 发展基于智能算法的混合反演方法的研究,是提高反演解的精度和提高计算效率的有效途径。在对各种混合结构形式进行比较分析的基础上,选择镶嵌结构形式将粒子群算法与单纯形法混合,构成参数识别的粒子单纯形法,并提出了一种以时间和目标函数值标准差为变量的混合概率函数计算式,使得混合算法能适时地进行混合,提高了算法求解精度而不至于过大地提高计算量。在指出算子与算法的混合能进一步减少反演计算量的基础上,将基于浓度和适应度的双重选择机制—免疫选择机制引入到粒子群算法中,构成了一种参数识别的免疫粒子群算法。用算例验证了两种混合方法的有效性。 为了提高反演结果的可信度,分析了参数反演结果失真的原因,并定义了参数反演的局部模型和全局模型,讨论了提高反演结果可信度的方法。从有限元平衡方程出发,分多种情况讨论了保证反演计算结果唯一的条件,在此基础上提出了补偿观测信息的虚拟位移法,并提出了结构参数识别的子域法,以减少反演计算量。计算表明,虚拟位移法能充分地利用先验信息,提高了反演结果的可信度。 最后,总结了本文的主要研究内容及成果,并对有待进一步研究的问题进行了展望。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 海丽切木·阿布来提;;浅谈几种智能优化算法[J];电脑知识与技术;2011年19期
2 张青;康立山;李大农;;群智能算法及其应用[J];黄冈师范学院学报;2008年06期
3 王浩;;四种智能算法的比较研究[J];火力与指挥控制;2008年S2期
4 王艳玲;李龙澍;胡哲;;群体智能优化算法[J];计算机技术与发展;2008年08期
5 段晓东;;基于群智能的计算与仿真方法研究[J];大连民族学院学报;2007年03期
6 于万霞;杜太行;郑宏兴;;基于蚁群粒子群的模糊神经网络交通流量预测[J];计算机工程与应用;2007年25期
7 柴宝杰;刘大为;;混合蚁群优化算法应用研究[J];煤炭技术;2009年08期
8 周丽娟;;改进粒子群算法和蚁群算法混合应用于文本聚类[J];长春工业大学学报(自然科学版);2009年03期
9 段爱玲;邓高峰;张雪萍;刘彦萍;王家耀;;新的融合算法在机器人路径规划中的应用[J];计算机工程与应用;2009年28期
10 管屏;朱刚;马良;;生长竞争蚁群算法求解导热反问题[J];上海第二工业大学学报;2010年03期
11 邱颖豫;陈功平;殷志锋;;改进的粒子群算法在多用户检测中的应用[J];信阳师范学院学报(自然科学版);2008年03期
12 段传林;谢伟铎;;一种混合粒子群与蚁群算法在多处理机调度中的应用研究[J];计算机时代;2008年09期
13 黄少荣;;蚁群算法与粒子群算法的融合策略[J];福建电脑;2009年05期
14 高博;卢辉斌;;改进型粒子蚁群算法的应用研究[J];计算机安全;2010年11期
15 支成秀;梁正友;;融合粒子群优化算法与蚁群算法的随机搜索算法[J];广西科学院学报;2006年04期
16 张长春;苏昕;易克初;;粒子群算法和蚁群算法的结合及其在组合优化中的应用[J];空间电子技术;2007年02期
17 倪磊;周新志;;基于混沌粒子群算法(CPSO)在目标选址问题中的分析[J];科技信息(科学教研);2007年32期
18 谷文祥;李向涛;王春颖;李国媛;殷明浩;;一种求解TSP问题的混合算法[J];东北师大学报(自然科学版);2011年03期
19 柴宝杰;刘大为;;混合蚁群优化算法及其在TSP中的应用研究[J];山西财经大学学报;2009年S1期
20 柴宝杰;刘大为;;基于粒子群优化的蚁群算法在TSP中的应用[J];计算机仿真;2009年08期
中国重要会议论文全文数据库 前10条
1 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
2 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
3 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
4 支成秀;梁正友;;融合粒子群优化算法与蚁群算法的随机搜索算法[A];广西计算机学会2006年年会论文集[C];2006年
5 师凯;蔡延光;邹谷山;王涛;;蚁群算法及粒子群算法对比及在VRP中的应用[A];第二十四届中国控制会议论文集(下册)[C];2005年
6 肖刚;李守智;王选宏;肖瑞;;蚁群-粒子群结合算法在机组优化组合中的应用[A];2006中国控制与决策学术年会论文集[C];2006年
7 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
8 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
9 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
10 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
中国重要报纸全文数据库 前10条
1 通讯员 陈英英;卫星去参数反演系统有效识别人影作业潜力区[N];中国气象报;2010年
2 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
3 吴珊珊;叶轮机械气动力学研究的创新与发展[N];科技日报;2003年
4 ;完善制度建设加强团队合作[N];科技日报;2003年
5 黄兴华;平安电气开发出新一代通风机[N];中国工业报;2005年
6 ;张谦谈音箱使用的误区(上)[N];电脑报;2005年
7 辛华;高精度地震成像技术,解油气勘探技术难题[N];地质勘查导报;2006年
8 陈子宣;引进消化吸收再创新的实践者[N];科技日报;2006年
9 记者 滕艳;教育部资助31个地质课题[N];地质勘查导报;2008年
10 邓大才;为农民普遍性持续增收开辟道路[N];农民日报;2003年
中国博士学位论文全文数据库 前10条
1 田明俊;智能反演算法及其应用研究[D];大连理工大学;2006年
2 杨劲秋;智能优化算法评价模型研究[D];浙江大学;2011年
3 全海燕;混合克隆竞争与启发学习策略的多角色随机游动粒子群算法研究[D];云南大学;2010年
4 刘波;蚁群算法改进及应用研究[D];燕山大学;2010年
5 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
6 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
7 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
8 高浩;粒子群算法及其在图像分割中的应用与研究[D];江南大学;2009年
9 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
10 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
中国硕士学位论文全文数据库 前10条
1 陈冲;量子群智能算法及其在控制器优化设计中的应用[D];哈尔滨工业大学;2010年
2 赵懿丹;两种群体智能算法的研究及其应用[D];厦门大学;2009年
3 苏同芬;改进的免疫粒子群算法及梯级水库优化调度问题的研究[D];太原理工大学;2010年
4 赵培怡;改进群体智能算法及其在背包问题中的应用[D];山东大学;2007年
5 杨柳;群智能算法在模体识别问题上的应用[D];吉林大学;2009年
6 伍爱华;多目标蚁群遗传算法及其在区域水资源配置问题中的应用[D];湖南大学;2008年
7 海丽切木·阿布来提;基于智能算法的证券市场ARCH模型实证研究[D];江南大学;2009年
8 王一;改进的生物群智能优化算法及在滤波器设计中的应用[D];兰州大学;2007年
9 苑伟伟;蚂蚁算法和粒子群算法的改进及其在汽车物流配送中的应用[D];吉林大学;2009年
10 王宇;基于蚁群算法和粒子群算法的数字集成电路测试生成研究[D];哈尔滨工程大学;2008年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978