进展 | 粒子群优化技术用于启发式弱层处理(Heuristic weak layer)

1 引言

岩石工程中的各类不连续，当层的厚度与周围岩体尺寸相比非常小时，通常假定层的厚度为0，使用弱层边界(Weak Layer Boundary)处理【带有软弱夹层(Weak Layers)的采矿边坡稳定性分析】。弱层边界通过定义一条具有强度属性的折线来模拟潜在的滑动面，由于弱层折线没有物理厚度，它被用于模拟界面、节理或厚度可以忽略不计的非常薄的弱层或或具有低强度特性的界面(如土工膜界面)。弱层边界是一个独立的模拟实体，不是模型边界几何的一部分。它与其他边界类型不能相交，也不能用来定义材料区域，它唯一的目的是定义具有强度特性的边界，通常假定弱层边界的粘结力为0。

粒子群搜索(Particle Swarm)是一种快速有效的元启发式群集智能优化方法，它模拟自然界中蜂群动物的行为，在搜索空间中找到一个最优解(最小安全系数)。这种搜索算法不需要用户定义搜索对象，从搜索范围内的随机破坏面，搜索过程在指定的迭代次数后停止。粒子群搜索可以搜索单一的整体最小滑动面，也可以搜索多个局部的最小滑动面。在三维计算中，粒子群搜索可以使用球面或椭球面。过去，粒子群算法主要用于多模态优化(MMO，Multi-Modal Optimization)，如下图所示，尽管两个计算的FOS值非常接近，但破坏面的尺寸和形状不同，这显示了使用MMO在边坡稳定性分析中的优势，因为能够找到除整体最小值以外的其他数值相似的破坏面。

弱层处理目前使用的算法有两种，如下图所示：

(1) Automatic case generation---通过自动案例生成， 这种算法考虑了所有可能的弱层组合

，这种算法的缺点是如果边坡内有许多弱层，计算速度会变得很慢。

(2) Always snap to the highest---始终捕捉最高点，这种算法运行速度快，但可靠性较差。

新的启发式(Heuristic weak layer)弱层处理功能使用粒子群通过考虑每个弱层的状态(是否用于夹住一个给定的滑移面)作为优化问题中的一个额外变量。通过这种方式，在搜索发生的同时考虑弱层，从而节省了分析的时间。

粒子群迭代搜索过程如下图所示:

最终，粒子将收敛到一个最小解。然而，请注意，由于优化问题的非线性性质和算法的伪随机性，不同的实例和搜索的变化有可能呈现不同的结果。

该方法也有可能收敛到局部最小解，而不是全局解。对于大型和/或复杂的模型，我们建议尝试各种搜索方法，并使用Slope Limits来细化和缩小搜索过程。

粒子群(Particle Swarm)算法现在成为Slide3的默认搜索算法，代替了原来的布谷鸟搜索(Cuckoo Search)搜索方法，主要原因如下:

(1) 粒子群优化在工程和计算的所有领域都比较流行；

(2) 在迭代次数相同的情况下，粒子群比布谷鸟搜索运行得更快，更能适应新的Spline曲面搜索法;

(3) 新的启发式弱层(heuristic weak layer)处理使用了粒子群优化。