公路衡重式擋土牆最佳化設計論文
公路衡重式擋土牆最佳化設計論文
1最佳化設計方法的必要性
然而現在對於衡重式擋土牆的設計方法主要是：工程設計師根據自己的設計經驗，同時參照已經建成的衡重式擋土牆來確定牆型的選擇和斷面的尺寸，再進行驗算，看是否符合自己的實際設計。但是由於施工的地區各異，施工的真實情況就千差萬別，根據已建成的衡重式擋土牆來和實際套用一般很難達到匹配，這就需要在工程實際設計時，對已建成擋土牆資料進行增減變化，因為地基的不同，軟土類等特殊地基，還要根據承載力的大小做出符合要求的調整。以上的這種方法計算十分繁瑣，手工計算的難度很大，使得最後的調整幾乎是形同虛設，只能加大工程的投入來處理。這樣套用已建成圖集的做法，對設計只是一個大概框架，沒有設計必要的各項資料，加上認識的不足，最後整個工程都因為這些人為因素導致投入巨大。因為缺乏準確的設計資料，衡重式擋土牆在工程建設時往往會出現這樣或那樣的問題，比如地基的承載力不足造成的牆體下沉開裂等；斷面的尺寸不準確造成的牆體平衡失效，傾覆事故；所有材料不符合規格造成的牆體缺乏抗壓、抗剪的強度；處理不當牆體後排水造成地基浸水、承載力下降。認識到衡重式擋土牆建設施工設計的大量財力的損耗和安全事故多發，很多專家也展開研究，設計出多種計算機語言來輔助衡重式擋土牆的設計，比如：Fortran，Basic等，但這些語言基本都停留在計算土壓力的單項專案上，以及利用複合形法和共軛梯度法等對重力式擋土牆的計算。針對這些區域性最佳化的不足，美國率先提出了遺傳演算法的概念，實現由區域性到全域性的轉變，透過群體搜尋技術、自然選擇和進化機制的運用，逐步實現計算全域性的最優解。
2最佳化設計的遺傳演算法
2．1遺傳演算法應用廣泛
遺傳演算法在計算求解問題的時候，具有一定的智慧性，即演算法可在進化的過程中對獲取資訊組織自行搜尋，個體適應度大的透過遺傳操作進化出適應性更強的後代，使得演算法能根據問題本身尋求最優解。在本質上具有一定的並行性，即遺傳演算法內在的並行性和內含的並行性。演算法本身能夠就某一問題在分散式系統中各自獨立驗算，得出不同結果後再透過通訊的比較，取得最佳個體。在種群搜尋中，可以同時對空間內多個區域檢索互動資訊，在執行比例運算時進行多倍次搜尋，減少運算。演算法本身並不複雜，對於已經給定的問題，遺傳演算法可以計算出多個潛在解，由使用者最終確定用哪個，設計上不需要其他輔助的知識，主要是建立搜尋方向上的目標函式，以及響應適應度函式，同時強調的是機率的轉換規則，應用更加直接。
2．2簡單演算法存在不足
簡單的遺傳演算法在公路衡重式擋土牆設計上廣泛應用，因其簡便的操作和優於手工的準確性，但整個演算法本身也存在亟待解決的問題：編碼效率較低，在採取二進位制較長的編碼計算時搜尋效率較低，二進位制串轉換為十進位制數也多有不便；求解問題時不一定得到最優解，簡單演算法在執行時個體性在群體中逐漸失去，誤導演算法收斂為一個最優解，到驗算的後期，群體的平均值更接近於最優解，沒有了競爭，就難以改善搜尋目標；在簡單演算法中選取控制引數目前還無跡可尋，只能透過大量的實驗模擬來確定；搜尋的效率不高，演算法在本質上來說還是隨機性的一種最佳化方法，它的內在學習性幫助其搜尋效率高於傳統的方法，可是與傳統數值最佳化的方法相比，其區域性的搜尋能力還是有很大提高空間的。基於遺傳演算法在公路衡重式擋土牆最佳化設計方面的應用廣泛，為工程建設提供了大量的資料支援，在簡單演算法的基礎上加以改進，將本身的特點和問題知識為基礎的啟發式搜尋結合，再加之傳統數值最佳化的技術，組成混合遺傳演算法。解決了簡單遺傳演算法區域性的搜尋能力較弱的問題，進一步為收斂速度的提高和解的品質打下基礎。
2．3演算法最佳化設計
混合遺傳演算法改進了編碼。遺傳演算法不能直接對問題空間引數進行處理，而是需要把引數轉變為遺傳空間裡按結構排列的染色體、個體，用編碼來表示。二進位制編碼受到編碼長、最優解的臨近探索低效、解的進度不準確等限制，改進為十進位制的編碼，用一浮點的向量表示染色體，染色體長度（向量元素個數）和解的向量相同。例如x=（x1，x2，x3，…，xi）為最優解，y=（y1，y2，y3，…，yi）為染色體個數，等於x=（x1，x2，x3，…，xi），即y=x，而yi=xi為染色體上面的第i個基因。混合遺傳演算法處理了約束條件。在最佳化的問題中可能包含等式和不等式的約束，要透過求解約束條件為等式的方程，代入後表示其他變數，化解為只含有不等式約束方程。另外，要保證染色體y的可行性，就要對遺傳操作中所得到每條染色體檢查和剔選。同時要考慮到一些隱含約束條件，加快搜索效率。數值化和競爭機制的運用。混合遺傳演算法為了加快搜索和區域性尋找最優解的能力，在種群裡選擇多個染色體，分別把這些染色體作為起始點，運用數值最佳化的.技術在區域性搜尋，原個體被替換。格外注意初始點的選擇和數值最佳化方法的選擇，數值最佳化方法要和遺傳演算法相互相容，在接近最優解時保持數值穩定和搜尋效率。演算法建立染色體的最佳庫存單元，加入對染色體的排列順序加以選擇，防止演算法早熟與停滯。加入收斂準則、終止條件等使得混合遺傳演算法更完善。
3最佳化設計應用研究
為真實分析設計最佳化的使用情況，擬定一公路建設工程，內容如下：設計荷載p1=800kN（p1為車輛），牆體應用5．0號砂漿30號片石22．0kN/m3，容許壓力800kPa，容許彎曲應力120kPa，容許剪應力80kPa，容許拉應力80kPa，砂性土重度18．0kN/m3（牆後填土），內摩擦角35°，容許承載力500kPa，基底摩擦係數f=0．40，牆身分段長10m，外摩擦角為內摩擦角的一半，牆身的容許偏心率［po］=0．25，附加組合為0．30，基地的容許偏心率為0．20。利用最佳化設計程式，首先根據選定近似種群的規模引數Npop以及各決策基因的上下界求出間距（劃分網格）。Δh=［1Ntatal∏ni=1（xui－xli）］1/n。根據資料進行混合遺傳演算法得出在牆體上的力學引數，主要是牆身的最大壓應力和剪應力，最小拉應力和基地最大壓應力。在上牆的牆身方面壓應力和拉應力的最佳化率大，分別為42．9%和35．1%，剪應力變為負值，最佳化率為100%。在牆底方面，牆底截面上的剪應力最佳化明顯，壓應力雖然增大了一部分，但是能在保障基座發生沉降而發揮最大的地基承載力，優化了受力性。
4結語
經過以上對於公路衡重式擋土牆最佳化設計方法與應用的研究，我們深刻認識到對於衡重式擋土牆的設計最佳化在工程建設方面的巨大意義，正是因為有了最佳化設計，才能有效緩解計算量大，且繁雜還難以得到最為經濟合理設計方案的不足，透過結合實際的建設問題改進設計中的不足，推廣混合遺傳演算法在公路的擋土牆設計中的應用，使得衡重式擋土牆建設再上一個臺階。