基于CGWO算法的边坡最小安全系数全局寻优方法

摘要：

针对基本灰狼算法存在初始种群不均匀、早熟收敛等问题,基于混沌理论从三个方面对灰狼优化(grey wolf optimization,GWO)算法进行改进,提出了混沌灰狼优化(chaotic grey wolf optimization,CGWO)算法用于确定边坡的最小安全系数.首先,采用改进Tent混沌映射提高初始种群多样性;其次,通过混沌扰动策略避免算法陷入局部最优;最后,引入参数混沌非线性调节机制均衡算法的全局开发和局部勘探算力.13个基准测试函数的仿真结果表明,改进后的算法与基本GWO,WOA,PSO以及SCA相比具有更强的综合寻优性能.选取ACADS边坡考核题进行计算分析,CGWO算法表现出较高的计算精度和收敛速度,能够有效地搜索到复杂分层边坡的最小安全系数.对比有限元强度折减法,该方法具有操作简易、搜索区域易于设置等优点.

关键词：灰狼优化算法、混沌映射、边坡稳定性分析、最危险滑动面、最小安全系数

所属期刊栏目：43

分类号：TU43(土力学、地基基础工程)

资助基金：国家自然科学基金;辽宁省自然科学基金资助项目;辽宁省自然科学基金资助项目;辽宁省重点研发计划项目;中央高校基本科研业务费专项资金资助项目

在线出版日期：2022-08-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1033-1042