一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点，而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法，使速度得到了提高并且可以避免早熟等缺陷。     

高层建筑中央空调水系统优化控制

在现代建筑工程所配置的电气设备中,中央空调是为建筑居民提供凉气和暖气,改变建筑室内环境中的热负荷和冷负荷,对室内空气进行调节的一种电气设备。它在现代建筑工程中发挥着重要的作用。本文主要针对当前我国居民在使用中央空调时所遇到的难题,极其空调本身所存在的缺陷作详细分析与论述,并结合实际情况对我国高层建筑中央空调水系统控制、运行模式作了分析,并提出了相应的改进和优化措施,旨在做好高层建筑中央空调水系统的优化和控制,使其为建筑居民营造一个更加舒适的居住环境。     

中央空调冷冻水系统的优化控制与仿真

针对中央空调水系统非线性、大滞后、难以建立精确的数学模型等特性,本文对其常用的PID控制作了改进,将依赖于专家控制经验而不依赖系统精确模型的模糊控制与PID控制相结合,设计了自整定模糊PID控制器。通过对中央空调冷冻水系统的仿真研究,结果表明改进后的PID控制在超调量、调节时间、抗干扰能力等性能指标上较之PID控制都有明显优势。     

基于混合遗传算法的滑动 MTI 参差码优化设计

在滑动参差MTI滤波器设计中,通过选择适当的参差码改变雷达发射脉冲周期,使盲速大于目标可能的最大速度,并使第一零点尽可能浅,以确保不会丢失陷入其中的弱目标。参差码设计是一个组合优化问题,采用混合遗传算法对最优参差码进行搜索,该算法避免了遗传算法中的早熟问题,增强了算法的全局搜索能力,提高了算法收敛速度。仿真结果表明,该算法是可行且高效的。     

一种改进的遗传模拟退火算法

遗传算法有早熟和局部搜索能力弱的缺点,而模拟退火算法没有较好的全局搜索效率。引入了一个新的选择机制来改进模拟遗传退火算法,使速度得到了提高并且可以避免早熟等缺陷。     

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。     

混合遗传算法在柔性制造系统优化中的应用

针对传统遗传算法因过早收敛而导致效率低下的问题,通过对传统遗传算法模型的优化,开发了基于混合遗传算法的柔性制造系统优化模型。在系统介绍了混合遗传算法的基本原理及其操作步骤的基础上,通过示例演示混合遗传算法的具体应用并对应用质量和效率进行比较分析。混合遗传算法在继承了一般遗传算法的全局优化特点的同时,解决了传统遗传算法过早收敛的问题,提高了柔性制造系统优化的质量和效率。     

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。     

基于模拟退火遗传算法的主题爬虫搜索策略研究

以何种策略访问网络,提高搜索效率,是近年来主题搜索引擎研究的主要问题之一。本文对主题爬虫常用搜索策略进行了简单分析,提出了实用性较强的基于SAGA的主题爬虫搜索策略。     

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。     

基于模拟退火的多跑道飞机排序算法研究

空中交通管理中的飞机排序问题是NP-hard的问题。本文从单跑道的飞机排序模型推演出一种新的多跑道飞机排序模型;并首次为多跑道飞机排序问题设计模拟退火算法。最后的仿真结果表明,本算法可以快速地在极少的时间内排好飞机的降落顺序,说明了本算法模型能有效解决多跑道飞机排序问题。     

遗传算法在矩形布料排样中的应用研究

服装裁剪以及排样问题是服装行业中一个重要课题。传统的计算机辅助裁剪主要依靠经验数据方法、贪婪法、模拟退火、穷尽法等算法尝试去解决矩形布料的排样问题。其布料的利用率不是最优以及单次计算时间太长等缺点。本文通过遗传算法,首先大大提高了布料的利用率,其次在单次计算时间上也有很大提高。目前算法已经投入到商用。     

基于模拟退火神经网络的高校科技成果转化评估研究

通过构建科技成果转化评估指标体系,并借助于BP人工神经网络方法,实现对高校科技成果转化指标体系的综合评价。主要应用主成分分析方法(PCAM)对神经网络的输入层数据进行处理,使用模拟退火算法(SA)与神经网络结合的方法提高评价的精确度,并通过实证分析证明BP神经元网络在高校科技成果评估领域的的适用性。     

不正常航班恢复模型的贪婪模拟退火算法研究

为解决不正常航班恢复对航空公司带来的严重影响,研究了不正常航班恢复模型及其优化算法,对现有不正常航班恢复优化模型提出适当改进,重点设计了一种贪婪模拟退火算法。算法融合了GRASP和模拟退火算法的特点,提高了领域解的选择效率并且降低了陷入局部最优解的概率。实例证明这种算法可以处理大规模的不正常航班恢复问题,并且能够达到时间代价与结果质量的均衡。     

基于遗传算法的工程项目群工期-费用优化研究

首先根据项目群工期与费用的特点分析项目群工期与费用优化机理;然后在工程质量得以保障的假设前提下构建项目群工期-费用优化模型,依据遗传算法原理对模型进行求解;最后引入大型工程项目群案例进行项目群工期-费用优化实证分析。研究结果显示:利用实数编码以及保留精英子代的遗传算法能直观而又准确地解决项目群费用的优化问题,同时达到在一定程度上缩短工期的效果。     

基于遗传算法的主题信息搜索系统研究

针对网络信息资源“迷向”与“过载”的现象,本文通过对遗传算法的分析应用,构建了由基于遗传算法的主题爬虫、信息处理和查询服务三部分组成的主题信息搜索系统。实验结果表明,应用该系统可以获取与主题相关度高的网页信息。     

基于快速退火和PSO算法的港口交通信号控制方法

针对港口主要交叉口易形成堵塞,延误较大的特点,提出了对全局最优进行快速退火的微粒群算法。该算法不仅能避免陷入局部极值,最主要的是计算量增加小,效率高。仿真结果表明,与其他智能方法相比,在对港口交通信号进行配时时,本算法能获得更低的车辆平均延误和平均停车率。     

基于Pareto遗传算法的虚拟企业收益分配优化研究

现有的虚拟企业收益分配方法以单一过程为前提,着重于直接分析并提供最终收益分配方案,而没有考虑到时间因素在整个运营过程中的影响,忽略了各影响因素的动态性。本文在虚拟企业的收益分配中增加了时间因素,同时引入激励机制,并结合满意度建立了多目标优化模型,采用Pareto遗传算法进行了优化分析。算例表明所建模型在分析此类问题时较已有方法有一定改善。