遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、粒子群優(yōu)化算法的改進(jìn)與巖石本構(gòu)數(shù)值模擬研究.pdf

1、本文對計算智能技術(shù)(ComputationalIntelligence，CI)中的遺傳算法(GeneticAlgorithm，GA)、人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetworks，ANN)、粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)進(jìn)行了研究，從唯象學(xué)角度提出基于巖石三軸壓縮試驗(yàn)應(yīng)力—應(yīng)變曲線得到巖石本構(gòu)關(guān)系的方法，并基于得到的巖石本構(gòu)關(guān)系采用增量型線彈性有限單元法對巖石三軸壓縮試驗(yàn)進(jìn)

2、行了數(shù)值模擬。本文主要包括以下幾方面內(nèi)容： (1)針對基本遺傳算法計算效率較低、易早熟等缺點(diǎn)，本文通過采用隨機(jī)聯(lián)賽選擇算子、部分優(yōu)勝劣汰保存策略、部分優(yōu)勝劣汰保存策略的模擬退火操作以及個體適應(yīng)度預(yù)檢測措施對基本遺傳算法進(jìn)行了改進(jìn)，并用算例說明改進(jìn)后的遺傳算法在性能上明顯優(yōu)于基本遺傳算法。 (2)探討了BP神經(jīng)網(wǎng)絡(luò)存在的若干缺點(diǎn)及其改進(jìn)方法。 (3)本文采用模擬退火技術(shù)對其進(jìn)行了改進(jìn)，并建立基于改進(jìn)粒子群優(yōu)化算法的

3、神經(jīng)網(wǎng)絡(luò)。算例結(jié)果表明基于粒子群優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)優(yōu)于基于BP算法的神經(jīng)網(wǎng)絡(luò)。 (4)本文介紹了復(fù)雜系統(tǒng)理論中的涌現(xiàn)概念和用于研究復(fù)雜系統(tǒng)涌現(xiàn)行為的有約束生成過程模型，將遺傳算法、神經(jīng)網(wǎng)絡(luò)以及粒子群優(yōu)化算法統(tǒng)一于CGP模型下。 (5)本文從唯象學(xué)角度出發(fā)，提出了基于巖石三軸壓縮試驗(yàn)結(jié)果分析獲取巖石本構(gòu)關(guān)系，采用增量型線彈性有限單元法模擬巖石壓縮過程的數(shù)值模擬方法，并指出應(yīng)力—應(yīng)變曲線擬合、圍壓與應(yīng)力—應(yīng)變曲線峰值應(yīng)力、應(yīng)

4、變的關(guān)系以及如何預(yù)測任意圍壓下應(yīng)力—應(yīng)變曲線是該法應(yīng)用中應(yīng)解決的三個關(guān)鍵問題。 (6)本文嘗試了應(yīng)用遺傳編程擬合應(yīng)力—應(yīng)變曲線，最終綜合應(yīng)用遺傳編程、遺傳算法、粒子群優(yōu)化算法解決了應(yīng)力—應(yīng)變曲線的擬合問題。 (7)本文以圍壓作為網(wǎng)絡(luò)輸入、峰值應(yīng)力及應(yīng)變作為網(wǎng)絡(luò)輸出，采用人工神經(jīng)網(wǎng)絡(luò)基于三軸壓縮試驗(yàn)數(shù)據(jù)成功的建立了圍壓與峰值應(yīng)力、應(yīng)變之間的非線性關(guān)系。 (8)提出了一套可以給出在一定范圍內(nèi)的任意圍壓下應(yīng)力—應(yīng)變曲線