【摘要】介紹了遺傳算法的模型，對滑坡體水平位移、滑坡體沉降量監(jiān)測數(shù)據(jù)進(jìn)行了預(yù)測。結(jié)果表明，利用遺傳算法特有的全局優(yōu)化能力，對預(yù)計(jì)函數(shù)可以做出很好的擬合。

【關(guān)鍵詞】遺傳算法；滑坡變形監(jiān)測；預(yù)計(jì)

引言

遺傳算法是模擬自然界生物進(jìn)化過程與機(jī)制求解極值問題的一類自組織、自適應(yīng)人工智能技術(shù)。本文對遺傳算法在滑坡體變形監(jiān)測預(yù)計(jì)方面的應(yīng)用做了一些有益的探討。

1.遺傳算法以及其改進(jìn)模型

1.1 遺傳算法模型

標(biāo)準(zhǔn)的遺傳是從生物學(xué)的角度引出和具體闡釋的并且給出了遺傳算法的基本框架，以后對于遺傳算法的改進(jìn)，都是基于此種算法。

標(biāo)準(zhǔn)遺傳算法的流程如下：（l）使用二進(jìn)制編碼對搜索空間進(jìn)行編碼。（2）隨機(jī)產(chǎn)生包含n個(gè)個(gè)體的初始群體。（3）適應(yīng)度評估檢測個(gè)體適應(yīng)度（個(gè)體適應(yīng)度反映了個(gè)體好壞的情況）。（4）WHILE<未滿足迭代終止條件>DO。（5）用賭輪選擇方法選出若干個(gè)體進(jìn)行繁殖，個(gè)體可以重復(fù)。（6）隨機(jī)配對，按一定概率（交叉概率）進(jìn)行一點(diǎn)交叉操作，并生成兩個(gè)子個(gè)體。（7）按照一定概率（變異概率）變異二進(jìn)制個(gè)體串中某個(gè)（些）位。（8）適應(yīng)度評估檢測個(gè)體適應(yīng)度。（9）END DO。這個(gè)過程將導(dǎo)致種群象自然進(jìn)化一樣的后代種群比前代更加適應(yīng)環(huán)境，末代種群中的最優(yōu)個(gè)體經(jīng)過解碼，可以作為問題近似最優(yōu)解。

1.2遺傳算法的改進(jìn)模型

遺傳算法在許多優(yōu)化問題中都有成功的應(yīng)用，但其本身也存在一些不足.一些學(xué)者提出了遺傳算法的改進(jìn)模型。有以下可以探討改進(jìn)的方法：編碼表示、適應(yīng)度函數(shù)、選擇策略、控制參數(shù)、遺傳算子等。

編碼表示方面，通常遺傳算法方面應(yīng)用二進(jìn)制編碼，但二進(jìn)制編碼不能直接反映問題的固有結(jié)構(gòu)，精度不高，個(gè)體長度大，占用計(jì)算機(jī)內(nèi)存多。所以這是可以改進(jìn)的一個(gè)點(diǎn)，有些學(xué)者利用轉(zhuǎn)換法來克服這種弱點(diǎn)。

適度函數(shù)方面，適應(yīng)度函數(shù)是用來區(qū)分群體中個(gè)體好壞的標(biāo)準(zhǔn)，是自然選擇的唯一標(biāo)準(zhǔn)，選擇的好壞直接影響算法的優(yōu)劣。引入適應(yīng)值調(diào)節(jié)和資源共享策略可以加快收斂速度和跳出局部最優(yōu)點(diǎn)。對適應(yīng)值進(jìn)行調(diào)節(jié)就是通過變換改變原適應(yīng)值間的比例關(guān)系，常用的比例變換有線性變換、乘冪變換和指數(shù)變換等。

選則策略方面，優(yōu)勝劣汰的選擇機(jī)制使得適應(yīng)值大的個(gè)體有較大的存活機(jī)會，不同的選擇策略對算法性能有較大的影響。輪盤賭法是使用最多的選擇策略，但這種策略可能會產(chǎn)生較大的抽樣誤差，于是對此提出了很多的改進(jìn)方法，如繁殖池選擇等。但是這幾種策略都是基于適應(yīng)值比例的選擇，常常會出現(xiàn)早熟收斂現(xiàn)象和停滯現(xiàn)象.這是可以改進(jìn)的地方之一。

控制參數(shù)方面，制參數(shù)一般有群體大小，交換概率，變異概率等，這些參數(shù)對遺傳算法性能影響較大。在標(biāo)準(zhǔn)的遺傳算法中采用經(jīng)驗(yàn)進(jìn)行估計(jì)，這將帶來很大的盲目性，而影響算法的全局最優(yōu)性和收斂性。針對這種情況，有的學(xué)者提出了：群體規(guī)?？勺兊倪z傳算法。

遺傳算子方面，基本遺傳算法中采用單點(diǎn)交叉算子和簡單的變異算子。它們操作比較簡單，計(jì)算量小，但是在使用過程中有很大的局限性， 多維連續(xù)空間的遺傳算法的雜交多樣性進(jìn)行了分析，通過建立相應(yīng)的數(shù)學(xué)模型，在多維連續(xù)空間和大規(guī)模群體中使用均勻雜交算子是如何探索新的解空間區(qū)域。為了使得變異能夠根據(jù)解的質(zhì)量自適應(yīng)的調(diào)整搜索區(qū)域，從而能較明顯地提高搜索能力，提出自適應(yīng)變異算子。

2.實(shí)例分析

滑坡是一種常見的自然災(zāi)害，對滑坡災(zāi)害發(fā)生的類型、原因、機(jī)理、規(guī)律、監(jiān)測及預(yù)報(bào)做出準(zhǔn)確的結(jié)論是很有實(shí)際意義的。目前，滑坡的非線性動力學(xué)特性已經(jīng)得到廣泛的認(rèn)識。

圖1 斜滑坡示意圖 圖2 雙滑塊模型

滑坡的動力學(xué)模型已經(jīng)獲得如下：

以上方程中有5個(gè)參數(shù)p、q、w、r和c，p和q是與周期有關(guān)的參數(shù)。對其進(jìn)行按照遺傳算法找出最優(yōu)解并作出相應(yīng)的預(yù)測。

這種方法在計(jì)算得出結(jié)果的同時(shí)，也顯現(xiàn)出其很大的優(yōu)越性，經(jīng)過實(shí)例分析得出的預(yù)測值可以作為此滑坡的預(yù)測參考。

圖3 變形預(yù)測值 圖4 遺傳迭代收斂曲線

3.結(jié)論

應(yīng)用遺傳算法建立滑坡安全監(jiān)控預(yù)測模型，受到了監(jiān)測界的廣泛關(guān)注，其獨(dú)特的結(jié)構(gòu)和強(qiáng)大的信息處理能力可以提供有力的技術(shù)支持。應(yīng)用遺傳算法對滑坡沉降量監(jiān)測數(shù)據(jù)進(jìn)行了訓(xùn)練和預(yù)測，結(jié)果表明，模型的預(yù)測效果很好，可為實(shí)時(shí)在線監(jiān)控滑坡安全性態(tài)中提供有力的技術(shù)支持。同時(shí)有很多學(xué)者也提出了與遺傳算法在圖像處理方面應(yīng)用且有很大的優(yōu)勢。

參考文獻(xiàn)

[1] 葛繼科等.遺傳算法研究綜述[J].計(jì)算機(jī)應(yīng)用研究，2008

[2] 劉立平，牛熠.遺傳算法綜述[J].東莞理工學(xué)院學(xué)報(bào)，2005

[3] 王建，張獻(xiàn)州.基于加速遺傳算法的GPS 變形監(jiān)測單歷元求解算法[J].測繪通報(bào)，2013

艾鵬（1984—），男，2008年畢業(yè)于遼寧科技學(xué)院工程測量技術(shù)專業(yè)，助理工程師。