第32卷第4期 岩 土 力 学 Vol.32 No. 4 2011年4月 Rock and Soil Mechanics Apr. 2011

文章编号：1000－7598 (2011) 04－1077－06

基于粒子迁徙的粒群优化算法及其在

岩土工程中的应用

常晓林1，喻胜春1, 2，马 刚1，周 伟1

（1. 武汉大学 水资源与水电工程科学国家重点实验室，武汉 430072；2. 佛山市南海南源水利水电勘测设计院有限公司，广东 佛山 528200）

摘 要：受自然界物种迁徙的启发，提出了一种新的改进的粒群优化算法(MPSO)。算法初始化时，将粒子随机地划分为若干个子粒群，每个子粒群按照给定的策略独立演化，在演化中的指定时段进行粒子的随机迁徙和自适应变异，以保持整个种群的多样性，避免早熟收敛。基准测试函数的计算结果表明，MPSO算法的性能优于其他几种改进算法。堆石体幂函数流变模型，参数较多，具有很强的非线性，将MPSO算法应用到堆石体幂函数流变模型的参数反演中。计算结果表明，利用反演的流变模型参数计算的坝体流变变形与实测变形在发展规律和数值上均比较吻合，证明MPSO算法在多参数、强非线性的复杂模型参数反演中的优越性。

关 键 词：流变模型；参数反演；粒群优化算法；粒子迁徙；自适应变异 中图分类号：TV 315 文献标识码：A

Particle swarm optimization based on particle migration and its

application to geotechnical engineering

CHANG Xiao-lin1，YU Sheng-chun1, 2，MA Gang1，ZHOU Wei1

（1. State Key Laboratory of Water Resources and Hydropower Engineering Science, Wuhan University, Wuhan 430072, China; 2. Nanhai Nanyuan Water

Conservancy and Hydropower Investigation and Design Institute Corporation Limited of Foshan City, Foshan, Guangdong 528200, China）

Abstract: Inspired by the migratory behavior in the nature, a novel migrated particle swarm optimization (MPSO) algorithm is proposed. In this new algorithm, the population is randomly partitioned into several sub-swarms, each of which is made to evolve based on particle swarm optimization with time varying inertia weight and acceleration coefficients (LPSO-TVAC). At periodic stage in the evolution, some particles randomly migrate from one complex to another to enhance the diversity of the population and avoid premature convergence. It further improves the ability of exploration and exploitation. Simulations for benchmark test functions illustrate that the proposed algorithm (MPSO) possesses better ability to find the global optima than other variants and is an effective global optimization tool. Then the new algorithm is applied to parameters inversion of rheological model of rockfill. The results show that MPSO remarkably improves the calculation accuracy and is an effective tool in parameter inversion of complex model.

Key words: rheological model; parameter inversion; particle swarm optimization (PSO) algorithm; particle migration; adaptive mutation

1 引 言

粒群算法(Particle swarm optimization，PSO)是一类基于群体的随机优化算法，源于对简化社会模型、鸟群捕食等行为的模拟，由Kennedy和Eberhart于1995年首次提出[12]。由于PSO算法收敛快、鲁棒性好、隐含并行性、易于实现，首次提出后短短

－

领域。

作为一种群体智能算法，粒群算法也存在早熟收敛、易陷入局部最优的问题，尤其是在复杂的多峰函数问题中[3

－4]

。目前提出的一些改进PSO算法

主要是从参数选择、自适应调整、演化策略等方面来提高算法的全局搜索和局部开发能力，以避免早熟收敛的问题。受自然界物种迁徙的启示，本文提出一种新的改进的粒群算法(MPSO)，将初始粒群随机地划分为若干个子粒群，每个子粒群按照给定的

几年便获得很大的发展，已广泛应用于函数优化、神经网络训练、模式分类、模糊系统控制以及其他

收稿日期：2010-03-02

基金项目：国家自然科学基金(No. 50779047)。

第一作者简介：常晓林，男，1963年生，博士，教授，主要从事高坝结构设计理论与数值仿真方面的研究。E-mail: changxl@whu.edu.cn