公路衡重式擋土墻優(yōu)化設計論文

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了公路衡重式擋土墻優(yōu)化設計論文范文，希望能給你帶來靈感和參考，敬請閱讀。

1優(yōu)化設計方法的必要性

然而現(xiàn)在對于衡重式擋土墻的設計方法主要是:工程設計師根據(jù)自己的設計經驗，同時參照已經建成的衡重式擋土墻來確定墻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。但是由于施工的地區(qū)各異，施工的真實情況就千差萬別，根據(jù)已建成的衡重式擋土墻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，對已建成擋土墻數(shù)據(jù)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(jù)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，使得最后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數(shù)據(jù)，加上認識的不足，最后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數(shù)據(jù)，衡重式擋土墻在工程建設時往往會出現(xiàn)這樣或那樣的問題，比如地基的承載力不足造成的墻體下沉開裂等;斷面的尺寸不準確造成的墻體平衡失效，傾覆事故;所有材料不符合規(guī)格造成的墻體缺乏抗壓、抗剪的強度;處理不當墻體后排水造成地基浸水、承載力下降。認識到衡重式擋土墻建設施工設計的大量財力的損耗和安全事故多發(fā)，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墻的設計，比如:Fortran，Basic等，但這些語言基本都停留在計算土壓力的單項項目上，以及利用復合形法和共軛梯度法等對重力式擋土墻的計算。針對這些局部優(yōu)化的不足，美國率先提出了遺傳算法的概念，實現(xiàn)由局部到全局的轉變，通過群體搜索技術、自然選擇和進化機制的運用，逐步實現(xiàn)計算全局的最優(yōu)解。

2優(yōu)化設計的遺傳算法

2．1遺傳算法應用廣泛

遺傳算法在計算求解問題的時候，具有一定的智能性，即算法可在進化的過程中對獲取信息組織自行搜索，個體適應度大的通過遺傳操作進化出適應性更強的后代，使得算法能根據(jù)問題本身尋求最優(yōu)解。在本質上具有一定的并行性，即遺傳算法內在的并行性和內含的并行性。算法本身能夠就某一問題在分布式系統(tǒng)中各自獨立驗算，得出不同結果后再通過通信的比較，取得最佳個體。在種群搜索中，可以同時對空間內多個區(qū)域檢索交互信息，在執(zhí)行比例運算時進行多倍次搜索，減少運算。算法本身并不復雜，對于已經給定的問題，遺傳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，主要是建立搜索方向上的目標函數(shù)，以及響應適應度函數(shù)，同時強調的是概率的轉換規(guī)則，應用更加直接。

2．2簡單算法存在不足

簡單的遺傳算法在公路衡重式擋土墻設計上廣泛應用，因其簡便的操作和優(yōu)于手工的準確性，但整個算法本身也存在亟待解決的問題:編碼效率較低，在采取二進制較長的編碼計算時搜索效率較低，二進制串轉換為十進制數(shù)也多有不便;求解問題時不一定得到最優(yōu)解，簡單算法在運行時個體性在群體中逐漸失去，誤導算法收斂為一個最優(yōu)解，到驗算的后期，群體的平均值更接近于最優(yōu)解，沒有了競爭，就難以改善搜索目標;在簡單算法中選取控制參數(shù)目前還無跡可尋，只能通過大量的實驗模擬來確定;搜索的效率不高，算法在本質上來說還是隨機性的一種優(yōu)化方法，它的內在學習性幫助其搜索效率高于傳統(tǒng)的方法，可是與傳統(tǒng)數(shù)值優(yōu)化的方法相比，其局部的搜索能力還是有很大提高空間的。基于遺傳算法在公路衡重式擋土墻優(yōu)化設計方面的應用廣泛，為工程建設提供了大量的數(shù)據(jù)支持，在簡單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(fā)式搜索結合，再加之傳統(tǒng)數(shù)值優(yōu)化的技術，組成混合遺傳算法。解決了簡單遺傳算法局部的搜索能力較弱的問題，進一步為收斂速度的提高和解的品質打下基礎。

2．3算法優(yōu)化設計

混合遺傳算法改進了編碼。遺傳算法不能直接對問題空間參數(shù)進行處理，而是需要把參數(shù)轉變?yōu)檫z傳空間里按結構排列的染色體、個體，用編碼來表示。二進制編碼受到編碼長、最優(yōu)解的臨近探索低效、解的進度不準確等限制，改進為十進制的編碼，用一浮點的向量表示染色體，染色體長度(向量元素個數(shù))和解的向量相同。例如x=(x1，x2，x3，…，xi)為最優(yōu)解，y=(y1，y2，y3，…，yi)為染色體個數(shù)，等于x=(x1，x2，x3，…，xi)，即y=x，而yi=xi為染色體上面的第i個基因?；旌线z傳算法處理了約束條件。在優(yōu)化的問題中可能包含等式和不等式的約束，要通過求解約束條件為等式的方程，代入后表示其他變量，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(shù)值化和競爭機制的運用?；旌线z傳算法為了加快搜索和局部尋找最優(yōu)解的能力，在種群里選擇多個染色體，分別把這些染色體作為起始點，運用數(shù)值優(yōu)化的技術在局部搜索，原個體被替換。格外注意初始點的選擇和數(shù)值優(yōu)化方法的選擇，數(shù)值優(yōu)化方法要和遺傳算法相互兼容，在接近最優(yōu)解時保持數(shù)值穩(wěn)定和搜索效率。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，防止算法早熟與停滯。加入收斂準則、終止條件等使得混合遺傳算法更完善。

3優(yōu)化設計應用研究

為真實分析設計優(yōu)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)，墻體應用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(墻后填土)，內摩擦角35°，容許承載力500kPa，基底摩擦系數(shù)f=0．40，墻身分段長10m，外摩擦角為內摩擦角的一半，墻身的容許偏心率［po］=0．25，附加組合為0．30，基地的容許偏心率為0．20。利用優(yōu)化設計程序，首先根據(jù)選定近似種群的規(guī)模參數(shù)Npop以及各決策基因的上下界求出間距(劃分網(wǎng)格)。Δh=［1Ntatal∏ni=1(xui－xli)］1/n。根據(jù)數(shù)據(jù)進行混合遺傳算法得出在墻體上的力學參數(shù)，主要是墻身的最大壓應力和剪應力，最小拉應力和基地最大壓應力。在上墻的墻身方面壓應力和拉應力的優(yōu)化率大，分別為42．9%和35．1%，剪應力變?yōu)樨撝?，?yōu)化率為100%。在墻底方面，墻底截面上的剪應力優(yōu)化明顯，壓應力雖然增大了一部分，但是能在保障基座發(fā)生沉降而發(fā)揮最大的地基承載力，優(yōu)化了受力性。

4結語

經過以上對于公路衡重式擋土墻優(yōu)化設計方法與應用的研究，我們深刻認識到對于衡重式擋土墻的設計優(yōu)化在工程建設方面的巨大意義，正是因為有了優(yōu)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，通過結合實際的建設問題改進設計中的不足，推廣混合遺傳算法在公路的擋土墻設計中的應用，使得衡重式擋土墻建設再上一個臺階。

作者：崔平 單位：山西省交通規(guī)劃勘察設計院