遗传算法在路面材料参数反演中的应用研究

【摘要】： 随着我国交通事业的发展，公路无损检测与评价已显得越来越重要。如何根据无损检测设备检测得到的数据，反演路面结构层的模量，进而评价路面的承载能力在国际上开展了近三十年的研究，并取得了不少成果。遗传算法作为一种新兴的仿生优化方法具有许多优良特性，本文在遗传算法应用于路面反分析方面做了初步研究。 遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化算法。它通过模拟达尔文“适者生存、劣者淘汰”的原理激励好的结构；通过模拟孟德尔的遗传变异理论在迭代中保持已有的优良模式，同时搜索更好的模式；通过群体的不断进化而搜索到问题的最优解。 理论上遗传算法以概率1收敛于全局最优解，但在实际操作中单一的遗传算法往往存在早熟和局部最优点的现象。本文在系统介绍遗传算法基本原理的基础上，针对基本遗传算法收敛速度慢和早熟的现象提出了一些改进措施，并将其应用于路面反演问题；同时，针对遗传算法在路面反演具体问题中的补偿性规律，提出了在后期自适应调整模量搜索范围的改进方法。本文主要内容包括： 1．针对遗传算法本身和遗传算法在路面结构反演中的具体问题提出了一些改进措施。 (1)群体初始化以均布产生代替随机产生。 传统遗传算法的初始化为随机产生，这样可能会漏掉一些好的基因模式，同时也可能造成多次对于搜索同一部位，造成机时浪费。本文初始群体的采用均布产生机制，使初始解均布在整个解空间内，从而，在很大程度上加快了收敛速度。 (2)引入模拟退火的Metropolis接受准则，并采取回火退火策略。 本文算法的总体框架遗传算法的框架，但对于遗传算法的变异结果，按照Metropolis准则判断接受与否。当温度较高时，以较大的概率接受恶化解，当温度趋于0时就不再接受任何恶化解了；但是，当温度趋于0时，可能还没有搜索到全局最优解，这时，可以人为地升高温度，使算法接受新解的概 郑仆。1大学硕士学位论文 摘要 率增大，跳离局部最优的陷阶，再重复进行杂交、变异、判断舍弃或接受、 降温直至搜索到满意解。这个过程叫做回火退火。这样，由于算法增加了新 的随机因素，就可以有效地防止遗传算法过早收敛或陷于局部最优。 5（3）采取保优变异算子。 即对群体中适应度最大的个体保持不变异，以避免群体退化。 （4）自适应地调整后期模量搜索范围。 算法进化若干代数后，解的质量相对较好时，根据当前群体的进化信息 和模量反演的具体问题，自适应地调整模量的搜索范围，加强算法后期的局 部搜索能力。 2．基于系统识别基本原理和改进遗传算法，建立了路面反演的遗传算 法，并用Fortran90编写了路面反分析程序。 系统识别，就是根据系统的输入和输出数据来识别系统特性参数。它的 基本思路是首先建立一个合理的模型来模拟末知系统，然后通过迭代过程来 修改模型参数，使模型输出与实际系统输出之间的误差达到最小。对于路面 反演问题，它的数学模型一般是 l（X）二＞．卜5（X）一1（l I二1 式中，刀为弯沉盆的控制点数，一般为FWD设备传感器的个数。 模量反演的遗传算法，就是将路面结构参数（通常为模量）作为决策变 量，将其按照一定的方式编码为染色体，然后按照本文的改进遗传算法进行 优化，反算结构参数。为了避免编码空间和解空间的相互转换，本文采用实 数编码方案。 基于以上原理，本文用Fo广ran90语言编写了路面反分析程序。 3．利用本文的反演程序，分别对理论数据和实测数据做了数值分析。 门）对理论数据做了稳定性分析。 对于给定的路面结构，给以不同的初始值范围进行反演分析。数值结果 表明，利用本文改进遗传算法反演的结果比较稳定，其结果基本不受初始值 的影响。 （二）对比分析了改进遗传算法和传统遗传算法的反演结果。 一11－ ） 郑州大学硕士学位论文 摘要 一 本文对SIDIP－LTPP模拟路面结构分别用本文的改进算法和传统遗传算 法进行了反演。数值结果表明，改进遗传算法在求解质量和收敛速度方面都 有一定程度的改善。 二（）对比分析了本文反演方法和国内外代表性的反分析软件。本文的反 演