摘要：面板堆石坝堆石体力学参数反演优化问题是一个多变量、多约束的混合非线性规划问题，当正演过程用神经网络模拟器替代后，高效快捷的优化算法成为解决问题的关键。提出一种用以解决这一复杂优化问题的混合算法——混沌直接搜索粒子群（CHPSO—DS）算法。在改进的算法中，首先结合混沌优化思想对粒子群进行初始化，减轻粒子初始位置的选择对算法优化性能的影响；利用直接搜索法克服了粒子群算法后期搜索效率降低的缺陷，提高算法局部搜索能力。为证明该算法的优越性，同时将该算法与遗传算法（GA）用于水布垭面板堆石坝堆石体力学参数的位移反分析计算中。实践证明，利用CHPSO—DS算法搜索时能快速收敛到全局最优解，且算法具有较强的鲁棒性；两算法对比结果也表明，不论是优化精度还是收敛时间，CHPSO—DS算法都较GA有明显提高。最后利用CHPSO—DS算法反演的堆石体力学参数进行测点沉降预测，结果表明各个测点的计算位移值与监测值吻合较好，说明CHPSO—DS算法在复杂岩土工程位移反分析中具有良好的实际应用价值，值得进一步研究和推广。

关键词：水利工程 混凝土面板堆石坝 混合算法 粒子群算法 混沌优化 

单位：河海大学岩土工程研究所 江苏南京210098 长江水利委员会长江勘测规划设计研究院 湖北武汉430010