第４０卷第３１期 ・１６６・ ２ ０ １ ４年１ １月 山 西 建 筑 ＳＨＡＮＸＩ ＡＲＣＨＩＴＥＣＴＵＲＥ Ｖｏ１．４０ Ｎｏ．３１ ＮＯＶ． ２０１４ 文章编号：１００９・６８２５（２０１４）３１—０１６６—０２ 公路衡重式挡土墙优化设计方法与应用研究 崔 平 （山西省交通规划勘察设计院，山西太原０３００１２） 摘要：讨论了对公路衡重式挡土墙优化设计的必要性，在分析遗传算法与简单算法的基础上，提出了混合遗传算法，据此对挡土 墙进行了优化设计，指出该算法解决了实时操作系统中对临近的最优解探索效率低下、能力不足等问题。 关键词：衡重式挡土墙，优化设计，遗传算法 中图分类号：ＴＵ４７６．４ 文献标识码：Ａ 加上认识的不足，最后整个工程都 随着衡重式挡土墙在公路中的广泛应用，国内外就挡土墙的 架，没有设计必要的各项数据，上下墙背，填土超载情况的压力测算，墙体强度和稳定计算方法 因为这些人为因素导致投入巨大。 进行了研讨。根据国内外的工程建设经验，对衡重式挡土墙的施 因为缺乏准确的设计数据，衡重式挡土墙在工程建设时往往 工规范和设计常规进行优化，改进了技术上的弊端，提出混合遗 会出现这样或那样的问题，比如地基的承载力不足造成的墙体下 传算法，对设计进行优化，解决了实时操作系统中对临近的最优 沉开裂等；断面的尺寸不准确造成的墙体平衡失效，倾覆事故；所 解探索的效率低下、探索的能力不足等方面的问题。 有材料不符合规格造成的墙体缺乏抗压、抗剪的强度；处理不当 墙体后排水造成地基浸水、承载力下降。 认识到衡重式挡土墙建设施工设计的大量财力的损耗和安 １ 优化设计方法的必要性 我国建设公路数量繁多，出现了大量５ ｍ以上的挡土墙，重 很多专家也展开研究，设计出多种计算机语言来辅 力式挡土墙的基底应力不足以平衡墙体荷载，墙趾位置的基底所 全事故多发，Ｆｏ￣ｒａｎ，Ｂａｓｉｃ等，但这些语言基本 承受应力过大，衡重式挡土墙在这方面更为合理。衡重式挡土墙 助衡重式挡土墙的设计，比如：相对于承重式挡土墙在上下墙的中间设计了衡重台，使得墙身的 都停留在计算土压力的单项项目上，以及利用复合形法和共轭梯 度法等对重力式挡土墙的计算。针对这些局部优化的不足，美国 重心整体后移，基底的应力趋向平衡，既能有效提高挡土的高度， 率先提出了遗传算法的概念，实现由局部到全局的转变，通过群 也能明显增加墙体抗倾覆的稳定性。正是因为这些明显的优势， 逐步实现计算全局的 为衡重式挡土墙开拓了大量市场，但投资巨大，在公路上建设所 体搜索技术、自然选择和进化机制的运用，使用的挡土墙更是资金耗费很大的工程，如果每米的挡土墙能节 中间产生的经济效益不可忽视。 然而现在对于衡重式挡土墙的设计方法主要是：工程设计师 最优解。 约几百元的投资，那总的建设成本就能节约上百万甚至千万，这 ２优化设计的遗传算法 ２．１ 遗传算法应用广泛 遗传算法在计算求解问题的时候，具有一定的智能性，即算 根据自己的设计经验，同时参照已经建成的衡重式挡土墙来确定 法可在进化的过程中对获取信息组织自行搜索，个体适应度大的 墙型的选择和断面的尺寸，再进行验算，看是否符合自己的实际 通过遗传操作进化出适应性更强的后代，使得算法能根据问题本 设计。但是由于施工的地区各异，施工的真实情况就千差万别， 身寻求最优解。根据已建成的衡重式挡土墙来和实际套用一般很难达到匹配，这 在本质上具有一定的并行性，即遗传算法内在的并行性和内 就需要在工程实际设计时，对已建成挡土墙数据进行增减变化， 含的并行性。算法本身能够就某一问题在分布式系统中各自独 因为地基的不同，软土类等特殊地基，还要根据承载力的大小做 立验算，得出不同结果后再通过通信的比较，取得最佳个体。在 出符合要求的调整。以上的这种方法计算十分繁琐，手工计算的 种群搜索中，可以同时对空间内多个区域检索交互信息，在执行 难度很大，使得最后的调整几乎是形同虚设，只能加大工程的投 比例运算时进行多倍次搜索，减少运算。 入来处理。这样套用已建成图集的做法，对设计只是一个大概框 算法本身并不复杂，对于已经给定的问题，遗传算法可以计算 枕较多时，可每隔６个枕空有一个不穿木枕，以便起道作业。木 内，确保线路处于完好状态。 枕穿人前，应根据枕木厚度将枕盒道碴整平。枕木穿人后，从两 或调整冻害垫板，做好顺坡，保持轨道几何尺寸在允许偏差范围 总之，整治铁路线路冻害是一项十分严谨的工作，必须认真 目的。 端串实，按规定铺设铁垫板，打齐道钉。冻害回落时，应及时撤出 调查、仔细研究、科学整治，这样才能安全有效地达到预期的 Ｃｏｌｄ ｒｅｇｕｌａｔｉｏｎ ｍｅｔｈｏｄ ｉｎ ｌｉｎｅ ＳＯＮＧ Ｔａｉ—ｐｉｎｇ （Ｄａｔｏｎｇ Ｃｏａｌ Ｇｒｏｕｐ Ｍｉｎｅ Ｒａｉｌｗａｙ Ｂｒａｎｃｈ，Ｄａｔｏｎｇ ０３７００３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｗｉｔｈ ａｎ ｉｎｔｒｏｄｕｃｔｉｏｎ ｏｆ ｒａｉｌｗａｙ ｌｉｎｅ ｆｒｅｅｚｉｎｇ ｉｎｊｕｒｙ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄｓ，ｔａｋｉｎｇ Ｔｏｎｇｍｅｉ ｒａｉｌｗａｙ ｓｐｅｃｉａｌ ｌｉｎｅ ａｓ ａｎ ｅｘａｍｐｌｅ，ｔｈｅ ｔｈｅ— ｓｉｓ ａｎａｌｙｚｅｓ ｒａｉｌｗａｙ ｌｉｎｅ ｆｒｅｅｚｉｎｇ ｉｎｊｕｒｙ ｃａｕｓｅｓ，ｐｕｔｓ ｆｏｒｗａｒｄ ｄｉｆｆｅｒｅｎｔ ｇｏｖｅｒｎｉｎｇ ｍｅａｓｕｒｅｓ ｉｎ ｌｉｇｈｔ ｏｆ ｄｉｆｆｅｒｅｎｔ ｆｒｅｅｚｉｎｇ ｉｎｊｕｒｙ ｃｏｎｄｉｔｉｏｎｓ，ａｎｄ ａ— ｃｈｉｅｖｅｓ ｏｂｖｉｏｕｓ ｉｍｐｒｏｖｅｍｅｎｔ． Ｋｅｙ ｗｏｒｄｓ：ｌｉｎｅ ｆｒｅｅｚｉｎｇ ｉｎｊｕｒｙ，ｃａｕｓｅｓ，ｇｏｖｅｒｎｉｎｇ ｍｅｔｈｏｄｓ，ｅｎｅｒｇｙ—ｓａｖｉｎｇ ｍｅａｓｕｒｅｓ 收稿日期：２０１４－０８－２８ 作者简介：崔平（１９７９．），男，工程师 第４ｏ卷２ ０１４拳１年 月 ３１ 智 崔平：隹 十： 公路衡重式挡土墙优化设计方法与应用研究 １划里工 ， ＿上＿峒‘ 阪 Ｉ／］ 司 用 九 ・１６７・ 出多个潜在解，由使用者最终确定用哪个，设计上不需要其他辅助 容如下：设计荷载Ｐ ：８００ ｋＮ（ｐ 为车辆），墙体应用５．０号砂浆 的知识，主要是建立搜索方向上的目标函数，以及响应适应度函 ３０号片石２２．０ ｋＮ／ｍ ，容许压力８００ ｋＰａ，容许弯曲应力１２０ ｋＰａ， 数，同时强调的是概率的转换规则，应用更加直接。 容许剪应力８Ｏ ｋＰａ，容许拉应力８０ ｋＰａ，砂性土重度１８．０ ｋＮ／ｍ ２．２简单算法存在不足 （墙后填土），内摩擦角３５。，容许承载力５００ ｋＰａ，基底摩擦系数 简单的遗传算法在公路衡重式挡土墙设计上广泛应用，因其 ，＝０．４０，墙身分段长１０ ｍ，外摩擦角为内摩擦角的一半，墙身的 简便的操作和优于手工的准确性，但整个算法本身也存在亟待解 容许偏心率［ｐ。］＝Ｏ．２５，附加组合为０．３０，基地的容许偏心率为 决的问题：编码效率较低，在采取二进制较长的编码计算时搜索 效率较低，二进制串转换为十进制数也多有不便；求解问题时不 一０．２０。 利用优化设计程序，首先根据选定近似种群的规模参数 叩 ， ｎ 定得到最优解，简单算法在运行时个体性在群体中逐渐失去， 以及各决策基因的上下界求出间距（划分网格）。 误导算法收敛为一个最优解，到验算的后期，群体的平均值更接 近于最优解，没有了竞争，就难以改善搜索目标；在简单算法中选 取控制参数目前还无迹可寻，只能通过大量的实验模拟来确定； Ａｈ＝［・ ’ｎ（ 一 ） 。 ｔａｔａｌ ｉ＝１ 根据数据进行混合遗传算法得出在墙体上的力学参数，主要 表１墙体力学参数表 指标 搜索的效率不高，算法在本质上来说还是随机性的一种优化方 是墙身的最大压应力和剪应力，最小拉应力和基地最大压应力。法，它的内在学习性帮助其搜索效率高于传统的方法，可是与传统 数值优化的方法相比，其局部的搜索能力还是有很大提高空问的。 基于遗传算法在公路衡重式挡土墙优化设计方面的应用广 上墙墙身应￣３／ｋＰａ 墙底应力／ｋＰａ 抗滑移 抗倾覆 每延米 安全系数 安全系数 圬工体积 压应力 拉应力 剪应力 剪应力 压应力 ． １．６７ １．５２ ２．１２ １．８３ 一ｌ３．７ ２９．０８ ２３．６ｌ ｌ８．８ 泛，为工程建设提供了大量的数据支持，在简单算法的基础上加 以改进，将本身的特点和问题知识为基础的启发式搜索结合，再 加之传统数值优化的技术，组成混合遗传算法。解决了简单遗传 算法局部的搜索能力较弱的问题，进一步为收敛速度的提高和解 的品质打下基础。 常规设计 ４３５．７ —９４．３ １．４６ —３Ｏ．４ ４１８．Ｏ 优化设计 ２４８．９ —６１．２ —２．８ —２６．２ ４９５．８ 优化率／％ ４２．９ ３５．１ ｌ００ ｌ３．８ 一ｌ８．６ —９．０ 表２墙体参数表 指标 墙顶宽 衡重台宽 墙趾宽 墙底宽 上墙高 下墙高 上墙背 下墙背 坡比 坡比 常规设计 ０．５０ ２．８５ ０．５０ ４．ｏ０ ４．４０ ６．６０ Ｏ．３０ ０．２５ ２．３算法优化设计 混合遗传算法改进了编码。遗传算法不能直接对问题空间 参数进行处理，而是需要把参数转变为遗传空间里按结构排列的 染色体、个体，用编码来表示。二进制编码受到编码长、最优解的 一优化设计 ０．７１ １．５０ ０．４ｌ ２．８６ ４．３３ ６．４９ Ｏ．２７ ０．２４ 由表１，表２可见，在上墙的墙身方面压应力和拉应力的优化 临近探索低效、解的进度不准确等，改进为十进制的编码，用 率大，分别为４２．９％和３５．１％，剪应力变为负值，优化率为 压应力虽然 浮点的向量表示染色体，染色体长度（向量元素个数）和解的向 １００％。在墙底方面，墙底截面上的剪应力优化明显，量相同。例如 ＝（ ， ２，％，…， ）为最优解，Ｙ＝（Ｙ ，Ｙ ，Ｙ 一， 增大了一部分，但是能在保障基座发生沉降而发挥最大的地基承 载力，优化了受力性。 Ｙ ）为染色体个数，等于 ＝（ ， ：， ，…， ），即Ｙ＝ ，而Ｙ ＝ 为染色体上面的第ｉ个基因。 混合遗传算法处理了约束条件。在优化的问题中可能包含 ４结语 经过以上对于公路衡重式挡土墙优化设计方法与应用的研 等式和不等式的约束，要通过求解约束条件为等式的方程，代入 究，我们深刻认识到对于衡重式挡土墙的设计优化在工程建设方 后表示其他变量，化解为只含有不等式约束方程。另外，要保证 面的巨大意义，正是因为有了优化设计，才能有效缓解计算量大， 染色体Ｙ的可行性，就要对遗传操作中所得到每条染色体检查和 且繁杂还难以得到最为经济合理设计方案的不足，通过结合实际 剔选。同时要考虑到一些隐含约束条件，加快搜索效率。 的建设问题改进设计中的不足，推广混合遗传算法在公路的挡土 数值化和竞争机制的运用。混合遗传算法为了加快搜索和 墙设计中的应用，使得衡重式挡土墙建设再上一个台阶。 局部寻找最优解的能力，在种群里选择多个染色体，分别把这些 参考文献： 染色体作为起始点，运用数值优化的技术在局部搜索，原个体被 ［１］ 邹新军，赵明华，刘代全．公路衡重式挡土墙优化设计方法 替换。格外注意初始点的选择和数值优化方法的选择，数值优化 与应用研究［Ｊ］．公路，２００３（１）：５４－５５． 方法要和遗传算法相互兼容，在接近最优解时保持数值稳定和搜 ［２］ 彭建国．公路衡重式挡土墙优化设计与应用研究［Ｄ］．长 索效率。算法建立染色体的最佳库存单元，加入对染色体的排列 沙：湖南大学，２００８． 顺序加以选择，防止算法早熟与停滞。加入收敛准则、终止条件 ［３］ 赵国斌．衡重式挡土墙优化设计研究［Ｄ］．北京：中国地质 等使得混合遗传算法更完善。 大学，２００６． ３优化设计应用研究 为真实分析设计优化的使用情况，拟定一公路建设工程，内 ［４］ 易 芳，刘高成．衡重式挡土墙优化设计方法及其实现分析 ［Ｊ］．中国高新技术企业，２００８（２０）：１７—１９． Ｏｐｔｉｍａｌ ｄｅｓｉｇｎ ａｎｄ ａｐｐｌｉｃａｔｉｏｎ ｒｅｓｅａｒｃｈ ｏｆ ｈｉｇｈｗａｙ ｇｒａｖｉｔｙ－ｂａｌａｎｃｅｄ ｒｅｔａｉｎｉｎｇ ｗａｌｌ ＣＵＩ Ｐｉｎｇ （Ｓｈａｎｘｉ Ｔｒａｆｉｆｃ Ｐｌａｎｎｉｎｇ＆Ｓｕｒｖｅｙ Ｉｎｓｔｉｔｕｔｅ，Ｔａｉｙｕａｎ ０３００１２，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｐａｐｅｒ ｄｉｓｃｕｓｓｅｓ ｔｈｅ ｎｅｃｅｓｓｉｔｙ ｏｆ ｏｐｔｉｍａｌ ｄｅｓｉｇｎ ｏｆ ｈｉｇｈｗａｙ ｇｒａｖｉｔｙ—ｂａｌａｎｃｅｄ ｒｅｔａｉｎｉｎｇ ｗａｌ１．Ｂａｓｅｄ ｏｎ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ ａｎｄ ｓｉｍｐｌｅ ａｌｇｏｒｉｔｈｍ，ｉｔ ｐｕｔｓ ｆｏｒｗａｒｄ ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ，ｃａｒｒｉｅｓ ｏｕｔ ｏｐｔｉｍａｌ ｄｅｓｉｇｎ ｏｆ ｔｈｅ ｒｅｔａｉｎｉｎｇ ｗａｌｌ，ａｎｄ ｆｉｎａｌｌｙ ｐｏｉｎｔｓ ｏｕｔ ｔｈａｔ ａｖｏｉｄｓ ｌｏｗ ｎｅｉｇｈｂｏｒｈｏｏｄ ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｅｆｉｃｉｅｎｃｙ ａｎｄ ｌｆｉｍｉｔｅｄ ｃａｐａｂｉｌｉｔｉｅｓ ｉｎ ａｃｔｕａｌ ｏｐｅｒａｔｉｏｎ ｓｙｓｔｅｍ． Ｋｅｙ ｗｏｒｄｓ：ｇｒａｖｉｔｙ－ｂａｌａｎｃｅｄ ｒｅｔａｉｎｉｎｇ ｗａｌｌ，ｏｐｔｉｍａｌ ｄｅｓｉｇｎ，ｇｅｎｅｔｉｃ ａｌｇｏｒｉｔｈｍ
