基于异步粒子群优化算法的边坡工程岩体力学参数反演.pdf下载

weixin_39820535 2021-10-07 11:00:24

基于异步粒子群优化算法的边坡工程岩体力学参数反演.pdf , 相关下载链接：https://download.csdn.net/download/jiebing2020/25739893?utm_source=bbsseo

...全文

17 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

基于异步粒子群优化算法的边坡工程岩体力学参数反演.pdf

基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一，其本质是一个岩体力学参数的寻优过程，因而，如何选择一个高效的优化算法是其核心问题之一．目前，粒子群优化算法已被应用于边坡工程力学参数反演，但其算法实现为同步模式，最优粒子的信息不能及时共享，降低了优化效率，使得反演耗时较多．鉴于此，提出基于异步粒子群优化算法的边坡工程岩体力学参数反演，该算法的搜索步伐并不一致，粒子间表现出异步性，因而寻优效率明显高于同步模式，可有效解决在边坡工程中岩体力学参数反演中存在的低效问题．在此基础上，构建了边坡工

煤矿井下矿井瞬变电磁法(MTEM)探测中,电磁场呈全空间分布,全空间瞬变电磁反演是复杂的非线性问题,目前反演计算中全空间响应主要由半空间响应乘以全空间响应系数来得到,导致反演结果中顶板和底板异常(或前方和后方异常)叠加在一起难以分离,造成分辨率下降.论文提出采用粒子群优化算法(PSO)进行全空间MTEM反演,通过理论分析,在常规的粒子群算法基础上提出了一种新的进化公式改进策略,提高了粒子群算法的寻优能力.基于全空间瞬变电磁场理论,编写了粒子群算法反演程序,进行全空间条件下五层含巷道的复杂模型的反演计算.结合

一、基于粒子群算法的寻优数学物理中的很多问题归结为解非线性方程。解决方程求根的传统方法：牛顿法弦割法抛物线法牛顿下山法传统方法的缺点：收敛性和结果与初始值的选取有较大关系，依赖于背景知识，算法缺少通用性。历史： 1995年，Kennedy等以鸟类群体行为进行建模仿真的思想启发，提出了粒子群优化(Particle Swarm Optimization，PSO)算法。算法优点：群体智能内在并行性迭代格...

粒子群优化（Particle Swarm Optimization, PSO）算法是一种源于对鸟群觅食行为的模拟而发展起来的群体智能优化算法。其凭借简洁的原理、易于实现和高效的搜索能力，在诸多领域得到了广泛应用。然而，传统的PSO算法在处理复杂优化问题时，也存在着早熟收敛和局部最优的风险。为了克服这些问题，本文深入探讨了粒子群优化算法中惯性权重和学习因子的动态调整策略。我们首先回顾了PSO算法的基本原理，然后分析了惯性权重和学习因子对算法性能的影响，并详细阐述了几种常用的动态调整策略。

下载资源悬赏专区

13,654

社区成员

12,578,541

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章