基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

基于Metropolis模拟退火算法的实现

模拟退火算法作为一种有效的全局最优算法在解决大规模组合优化问题等领域得到了广泛的应用,本文在对模拟退火算法深入分析的基础上,用Matlab实现了基于Metropolis准则的模拟退火算法程序,并给出了一简单实例说明所编程序在函数全局寻优中的应用。     

第四方物流企业调度管理优化的模拟退火粒子群算法研究

结合第四方物流的内涵与发展现状,从第四方物流企业调度管理优化决策问题出发,通过引入惯性权重因子和收缩因子对标准粒子群算法进行改进,然后与模拟退火算法相结合,形成改进的模拟退火粒子群(MSA-PSO)算法,求解第四方物流企业调度管理优化问题。在阐述算法原理和运算流程后,分别运用标准粒子群算法、模拟退火算法和本算法对6个基准测试函数进行仿真试验来检验比较算法的性能。结果显示:改进后的模拟退火粒子群算法计算精度和寻优结果优于标准粒子群算法和模拟退火算法。     

基于链式遗传——模拟退火算法的配电网络重构

以网损最小为目标函数,节点电压、网络辐射性和电源容量的限制为约束条件,建立了配电网络重构优化数学模型。针对各种单一算法的局限性,提出了一种基于链式遗传-模拟退火算法。该算法将环境压力映射为待优化问题,进化链（食物链）上每条染色体（个体）则对应问题的一个候选解,通过模拟退火Metropolis取舍准则控制算法搜索最优方案的进程。最后,在IEEE16节点系统上验证了所提方法的有效性。     

基于模拟退火算法的船舶航向PID控制器参数优化研究

模拟退火算法(SA)是基于局部搜索算法的改进搜索算法,本文使用该方法对舶航向控制PID参数进行离线优化,利用SA算法对目标函数进行搜索迭代运算,得出优化后的PID参数,并进行MATLAB仿真实验与遗传算法(GA)和单纯形算法优化PID参数对比证明SA算法在优化PID参数的可行性和优越性,收敛时间短,系统无超调,上升快,应舵小,具有很强的鲁棒性。     

图书供应商链联盟遗传和模拟退火算法研究

在分析我国高校图书馆图书采购供应商链的现状和参考国内外高等院校图书馆图书供应商链选择决策定量研究文献资料的基础上,构建了我国高等院校图书供应链联盟的伙伴选择多目标数学模型,并针对遗传算法和模拟退火算法的先进性和局限性进行对比研究,最终经过优化选择,将遗传算法和模拟退火算法两者结合起来进行求解,通过实例仿真,表明图书供应商链联盟应用遗传和模拟退火算法模型算法的可行性和正确性。     

基于聚集密度的人工免疫多目标进化算法

为了改善人工免疫多目标进化算法的分布性,引入聚集密度以进行Pareto最优解集的更新。其基本思想为：首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。通过数值实验,用量化指标研究了新算法的收敛性和分布性,结果表明：新算法的收敛性与常规人工免疫多目标进化算法相当,但分布性有了明显提高。     

具有生态意识的二维视情维修决策

为了避免预防性维修的决策判断过于片面,本文首先将系统劣化状态和能源效率指标相结合,建立了具有生态意识的二维视情维修决策模型,即当系统的劣化状态超过其阈值或者能源效率指标超过其阈值时（两者发生其一即可）,对系统进行预防性维修;然后将系统运行过程中的能源消耗成本纳入总成本中,并以单位有用产出的平均期望成本为目标函数建立优化模型;最后利用蒙特卡洛仿真和模拟退火算法进行算例分析。结果表明：与传统的只基于劣化状态或者能源效率指标的一维视情维修决策模型相比,本文新提出的二维视情维修决策模型更优,不仅可以降低企业维修成本,而且可以节约能源,满足可持续发展的时代要求。     

一种基于多目标优化的无人机航迹规划算法

考虑电磁环境约束建立无人机航迹规划模型,采用多目标模拟退火优化算法完成航迹规划。经仿真验证,该算法可有效完成航迹规划,实现无人机飞行过程中电磁环境最优、航路最短等多目标优化。     

电力工业中电源规划的研究

本文根据国内外对电力系统中电源规划问题已有研究进行初步分析,确定目标函数和边界约束条件,建立适当的数学模型进行分析,对于单阶段电源规划问题,我们采用线性规划与非线性规划的方法求解;对于多阶段规划问题,由于决策变量众多,建立电力系统运行模拟模型,再根据模拟退火粒子群算法求解规划问题。虽然不能找到最优解,但是能在较短的时间获得一组较优解。本论文针对问题进行单阶段电源规划,根据目标函数,确定不同的约束方程,利用线性整数规划与非线性整数规划进行求解。     

基于模拟退火遗传算法的我国创新型大企业的构建研究

针对构建中选择子企业的实际需要,提出改进的模拟退火遗传算法,引入倒位算子代替交叉操作,建立了企业间协同系数矩阵和相应的适应度函数,来提高算法的有效性.     

基于混合粒子群的核磁共振反演算法研究

传统的基于最小方差原理的反演结果依赖于初始模型选择,易陷入局部极小,针对以上问题,文章利用完全非线性反演方法-粒子群反演算法,对核磁共振探测地下水的数据资料进行反演解释,该算法具有操作简单,并行处理,不要求被优化的目标函数具有可微、可导、连续等性质的优点。将基本粒子群算法与模拟退火算法结合,加入非线性约束优化条件,使其适用于核磁共振探测地下水数据资料的反演解释。试验结果表明,混合粒子群反演算法反演结果精度较高,收敛速度较快,验证了粒子群优化算法在核磁共振反演应用中的可行性。     

浅谈遗传算法及其部分改进算法

遗传算法广泛应用于函数寻优、组合寻优等方面,同时算法设计灵活易实现,但具有易早熟收敛的缺点。本文简单阐述遗传算法工作原理,分析其易早熟收敛的原因,最后介绍了两种改进算法——多种群遗传算法、模拟退火遗传算法,并分析两种算法在避免早熟收敛上的原理及效果。     

基于混合遗传模拟退火算法的空调冷冻水系统优化

根据中央空调水系统中冷水机组和冷冻水泵的性能曲线,建立了描述中央空调冷冻水循环系统特性的优化数学模型。并以遗传算法为主,融入模拟退火算法,设计出了一种混合遗传模拟退火算法。利用该算法设计中央空调冷冻水循环系统的优化控制方案,使其在一定的负荷下达到最小能量消耗。同时,将遗传算法控制方案与混合遗传模拟退火算法控制方案进行比较,用以说明混合遗传模拟退火算法优化控制的相关优越性。     

一类约束连续型minimax问题的改进算法研究

本文研究了一类约束连续型minimax问题,其中目标函数关于外层决策变量二阶连续可微,约束函数只含内层或者外层决策变量。针对由极大熵函数以及罚函数将约束问题转化而成的无约束可微优化问题,本文利用可微优化方法 Newton法进行求解,建立基本算法,给出数值算例,表明算法的可靠性和有效性。     

一种改进的万有引力搜索算法——TSP问题为例

本文旨在找到一种改进的万有引力搜索算法,快速准确解决组合优化问题,以最小旅行距离为目标的经典商人旅行问题为例,使用实数编码,并将连续数值区间的位置变量映射到离散的组合排序,即可行的旅行方案;为了有效地避免算法陷入局部最优解,使用模拟退火算法进行局部扩展搜索,进一步提高解的质量;最后通过仿真对比,得出结合模拟退火算法的万有引力搜索算法具有收敛速度快,精度高的特点这一结论。     

一种改进的万有引力搜索算法——TSP问题为例

本文旨在找到一种改进的万有引力搜索算法,快速准确解决组合优化问题,以最小旅行距离为目标的经典商人旅行问题为例,使用实数编码,并将连续数值区间的位置变量映射到离散的组合排序,即可行的旅行方案;为了有效地避免算法陷入局部最优解,使用模拟退火算法进行局部扩展搜索,进一步提高解的质量;最后通过仿真对比,得出结合模拟退火算法的万有引力搜索算法具有收敛速度快,精度高的特点这一结论。     

基于SA算法的防空体系优化部署研究

模拟退火算法是一种有效的全局优化算法,文章阐述了模拟退火算法的基本原理及实现过程,结合防空导弹部署的原则和要求,应用模拟退火算法,解决防空导弹体系优化部署问题.通过对该算法的具体步骤的详细介绍,得出各型防空导弹组成体系时的优化部署方案.     

基于量子进化算法的人体跟踪

提出了基于量子进化算法的人体跟踪方法。量子进化算法借鉴了量子计算的思想,具有较强的寻优能力和较快的运算速度,在基于量子进化算法的人体跟踪中,将跟踪置于函数优化框架内,视跟踪为在模型可行域内求解与图像观测特征具有最优匹配的模型的函数优化问题,并对此目标函数使用量子进化算法寻优。模拟场景实验表明,与基于粒子滤波的人体跟踪算法相比,基于量子进化算法的人体跟踪具有较高的跟踪精度和较快的运算速度。     

基于BFGS的混合遗传算法在模糊神经网络识别中的应用

针对传统的BP或GA对模糊神经网络的识别应用存在收敛容易陷入局部极小、识别率低下等问题,提出一种基于BFGS的混合遗传算法。其基本思想为：首先构造一种前馈型模糊神经网络结构,然后用遗传算法进化若干代后,当目标函数的梯度或者范数小于预先设定值ξ,则改用BFGS算法进行优化识别。仿真实验表明,对比GA该算法收敛速度较快,识别精度提高了约7%,能够较好地应用于一类模糊神经网络的识别。