基于计算智能方法的岩土工程与工程网络计划的应用研究

摘要

计算智能主要包括人工神经网络、演化计算等智能模拟方法，近年来得到了迅速发展并广泛应用于土木工程领域。本文对遗传算法、前馈神经网络和自组织映射网络进行了系统的分析并对其在岩土工程和工程网络计划中的应用进行了深入的研究。本文主要研究内容如下： 1.综述了遗传算法和人工神经网络的发展历程、基本理论，及其在岩土工程领域和工程网络优化方面的应用研究进展。 2.提出了SOM-BP复合神经网络模型进行边坡稳定性分析。首先应用SOM网络对输入样本进行自组织聚类以改善复合网络的输入信息；然后利用BP网络对初步聚类后的样本进行有监督下的训练，模拟边坡稳定影响因素及其稳定状态之间的复杂映射。实例计算表明，基于SOM-BP网络模型的边坡稳定性分析方法具有较高的分析准确率。 3.应用遗传算法解决边坡稳定性评价的聚类分析问题。针对问题特点，提出了一种基于自然数的编码方案；以及相应的交叉和变异算子。计算结果表明，该方法可有效克服常规聚类方法中存在的对初始聚类中心敏感以及聚类结果与样本输入次序有关等缺点。 4.提出应用进化-神经网络方法来反演深基坑的力学参数。首先利用神经网络对样本数据进行训练，建立深基坑力学参数和支护点位移之间的非线性映射模型；然后应用遗传算法进行优化搜索，反演出最佳的力学参数组合，作为深基坑工程相关计算的理论依据。 5.应用遗传算法解决工程网络计划的优化问题： ①针对网络计划的资源优化问题的特点，提出一种自然数编码方案；构造出一种新的修复策略，对违约个体进行修复；设计了“邻近”变异算子，使变异在约束允许的范围内进行。 ②针对网络计划的工期-成本优化问题的特点，提出采用二次回归的方法模拟工期-直接费用关系；然后结合自变异算子的遗传算法寻找最低成本下的最优工期。

目录

文摘

英文文摘

独创性声明和学位论文版权使用授权书

第一章绪论

1.1计算智能概述

1.2遗传算法

1.3神经网络

1.4计算智能在岩土工程和工程网络计划中的应用研究进展

1.5本文研究的主要内容

第二章基于计算智能的边坡稳定性分析

2.1基于SOM-BP复合神经网络的边坡稳定性分析

2.2基于自然码遗传算法的边坡稳定性估计聚类分析

2.3本章小结

第三章基于进化-神经网络的深基坑支护位移反分析

3.1问题的提出

3.2基于进化-神经网络的智能反分析模型

3.3实例研究和关键步骤设计

3.4本章小结

第四章基于遗传算法的工程网络计划优化研究

4.1问题的提出

4.2基于遗传算法的“资源有限，工期最短”优化

4.3基于遗传算法的“工期固定，资源均衡”问题的研究

4.4基于遗传算法的工期-成本问题的优化

4.5本章小结

第五章总结与展望

5.1总结

5.2展望

参考文献

攻读博士学位期间完成的科研成果

致谢