遺傳算法、人工神經網絡、粒子群優(yōu)化算法的改進與巖石本構數(shù)值模擬研究.pdf

1、本文對計算智能技術(ComputationalIntelligence，CI)中的遺傳算法(GeneticAlgorithm，GA)、人工神經網絡(ArtificialNeuralNetworks，ANN)、粒子群優(yōu)化算法(ParticleSwarmOptimization，PSO)進行了研究，從唯象學角度提出基于巖石三軸壓縮試驗應力—應變曲線得到巖石本構關系的方法，并基于得到的巖石本構關系采用增量型線彈性有限單元法對巖石三軸壓縮試驗進

2、行了數(shù)值模擬。本文主要包括以下幾方面內容： (1)針對基本遺傳算法計算效率較低、易早熟等缺點，本文通過采用隨機聯(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度預檢測措施對基本遺傳算法進行了改進，并用算例說明改進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神經網絡存在的若干缺點及其改進方法。 (3)本文采用模擬退火技術對其進行了改進，并建立基于改進粒子群優(yōu)化算法的

3、神經網絡。算例結果表明基于粒子群優(yōu)化算法的神經網絡優(yōu)于基于BP算法的神經網絡。 (4)本文介紹了復雜系統(tǒng)理論中的涌現(xiàn)概念和用于研究復雜系統(tǒng)涌現(xiàn)行為的有約束生成過程模型，將遺傳算法、神經網絡以及粒子群優(yōu)化算法統(tǒng)一于CGP模型下。 (5)本文從唯象學角度出發(fā)，提出了基于巖石三軸壓縮試驗結果分析獲取巖石本構關系，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，并指出應力—應變曲線擬合、圍壓與應力—應變曲線峰值應力、應

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