SA法在求解非线性约束优化问题中的应用

传统数学规划方法如梯度法等在解决非线性规划问题时,往往会由于问题本身的多峰性而落入局部最优解中,得不到全局最优解,这使得传统方法在解决非线性规划问题中受到很大的限制.80年代初,S.Kirkpatrick提出了模拟退火算法(Simutaneous Annealing),该方法在解决复杂的组合优化问题中可以得出很好的结果.它是一种仿金属退火物理过程的随机算法,在理想状态下可得出全局最优解,并能以一定的概率跳出局部最优解所在的区域.本文我们将探讨SA法在求解非线性约束优化问题中的应用.     

梯度退火混合优化算法

通过对梯度法与模拟退火算法优缺点的分析,提出了一种梯度退火新型混合全局优化算法。该算法利用梯度法的快速寻优特性得到某一局部极值,然后采用模拟退火算法的全局搜索寻优能力跳出该局部极值,经过反复混合迭代最终获得全局最优解。仿真实验表明,该新型混合优化算法显著提高了求解全局优化问题的计算效率。     

基于LM和SA的混合优化算法

针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。     

一种改进的模拟退火萤火虫混合算法求解0/1背包问题

根据萤火虫算法自身特点,本文提出一种基于模拟退火的改进萤火虫算法,并用于求解0-1背包问题.该算法在模拟退火过程中利用萤火虫算法搜索新解,采用贪心修复算子对不可行解进行修正.每一次退火操作完成时,对萤火虫种群实行变异操作,增强萤火虫的全局搜索能力.本算法在求解0-1背包问题时,能及时跳出局部最优,在算法初期增强全局搜索能力,在算法后期加快收敛速度.通过仿真实验表明,该算法可较好的求解0-1背包问题.     

改进人工鱼群算法及在函数优化问题中的应用

为改进AFSA优化精度低、运行时间长的问题,借鉴模拟退火算法中的Metropolis判别准则改进人工鱼的觅食行为,在利用人工鱼全局寻优的同时并利用模拟退火算子实施局部细化,提出一种改进的人工鱼群优化算法（SA_IAFSA）,并用于求解多峰函数的优化问题。仿真结果表明,该算法保持AFSA算法简单、易实现的特点,克服人工鱼漫无目的随机游动以及容易陷入局部最优值的缺点,显著提高算法的运行效率和求解质量。     

实现平面连杆变幅机构轨迹复演的遗传退火混合优化算法的研究

利用随机优化算法、遗传法和模拟退火法的优点设计了一套遗传退火混合优化算法 ,并将其应用于平面连杆变幅机构轨迹复演的优化 .计算实践表明 ,该算法的稳定收敛性良好 ,对多峰值的目标函数能以较大的概率搜索到全局最优解     

求解多维0/1背包问题的Memetic算法

根据多维0/1背包问题的特点,结合遗传算法和模拟退火算法的优点,设计了一种Memetic算法。该算法以基于模式替换的改进遗传算法作为全局搜素算法,采用模拟退火算法进行局部搜索。全局搜索算法引入了模式替换,使每代种群中的最好基因个体保存下来形成模式,引导种群搜索方向,提高搜索性能,然后进行选择、均匀交叉和变异操作,最后采用最大化修复策略,对不可行解进行修复,并对可行解进行修正。模拟退火算法以一定概率接受较差的解,从而避免陷入局部最优解。通过实验仿真和算法比较验证了Memetic算法的优越性和有效性。     

模拟退火算法与遗传算法的结合应用研究

模拟退火算法具有较强的局部搜索能力,并能使搜索过程避免陷入局部最优解,但模拟退火算法是一种NP类算法,对整个搜索空间的状况却不能很好的搜索,收敛速度慢,从而使得模拟退火算法的运算效率不高。遗传算法来源于生物遗传学和自然选择机理,通过人工方式所构造的一类搜索算法。其局部搜索能力较差,但把握总体搜索过程的能力较强。若能将两者有机的结合,既加速了算法的收敛速度又避免陷入局部最优解。     

模拟退火算法解决0-1背包问题的研究与实现

阐述了模拟退火算法的原理及实现过程,研究了模拟退火算法参数的设置,给出了如何设置参数的思路,运用程序实现了该算法,并将其运用到解决0-1背包问题的优化之中,结果表明该方法能够对函数进行全局寻优,有效克服了基于导数的优化算法容易陷入局部最优的问题.     

基于神经网络的移动机器人路径规划研究

利用一种并列连接的神经网络结构对移动机器人路径进行规划，并把神经网络与模拟退火算法相结合，解决了局部权值问题，最终收敛到全局最优解。计算机仿真研究表明：模拟退火算法具有计算简单，初值鲁棒性强以及通用易实现等优点。     

模拟退火算法

本文介绍了Metropolis准则,给出模拟退火算法的算法步骤以及收敛性定理．最后,给出了模拟退火算法运用的数值例子．     

程控低噪声宽带直流放大器设计

为解决小信号易受干扰、难以实现线性放大的问题,以MSP430F247单片机为控制核心,采用压控可变增益宽带放大器VCA820作为程控增益放大器,设计了一个低噪声宽直流放大器.系统能对直流到20MHz的信号,实现增益从0dB到80dB范围内以1dB为步进的程控放大,带内增益起伏小于0.5dB,50负载时输出信号峰-峰值高达30V.系统的零点漂移小,工作带宽高,驱动能力强,性能稳定,可广泛应用于传感器网络和通信设备等电路中.     

Area-efficient low power CMOS image sensor readout circuit with fixed pattern noise cancellation

A low cost of die area and power consumption CMOS image sensor readout circuit with fixed pattern noise(FPN) cancellation is proposed.By using only one coupling capacitor and switch in the double FPN cancelling correlative double sampling(CDS),pixel FPN is cancelled and column FPN is stored and eliminated by the sampleand-hold operation of digitally programmable gain amplifier(DPGA).The bandwidth balance technology based on operational amplifier(op-amp) sharing is also introduced to decrease the power dissipation of traditional multi-stage switched capacitor DPGA.The circuit is designed and simulated using 1P6M 0.18 μm 1.8 V/3.3 V process.Simulation results indicate that the proposed CDS scheme can achieve an FPN of less than 1 mV.The total sampling capacitor per column is 0.9 pF and no column-wise power is dissipated.The die area and FPN value are cut by 70% and 41% respectively compared with amplifier-based CDS.The op-amp sharing gain stage can achieve a 12-bit precision and also implement an 8-bit gain controlling within a gain range of 24 dB.Its power consumption is 1.4 mW,which is reduced by 57% compared with traditional schemes.The proposed readout circuit is suitable for the application of low power cost-sensitive imaging systems.     

一种基于分层交通网络的动态路径选择算法

最优路径选择算法是车载导航中路径分析的核心,目前导航系统多停留在静态导航上.文中针对最优路径算法在实时导航应用中的特点,提出了分时分段计算动态最优路径的思想,即利用对应时段对应路段的交通信息来指导路径寻优,并依据该思想设计具体的算法在福州市地图上模拟测试,其结果基本符合相应时段出租车的行使路径.     

Optimal design of pressure vessel using an improved genetic algorithm

As the idea of simulated annealing （SA） is introduced into the fitness function, an improved genetic algorithm （GA） is proposed to perform the optimal design of a pressure vessel which aims to attain the minimum weight under burst pressure constraint. The actual burst pressure is calculated using the arc-length and restart analysis in finite element analysis （FEA）. A penalty function in the fitness function is proposed to deal with the constrained problem. The effects of the population size and the number of generations in the GA on the weight and burst pressure of the vessel are explored. The optimization results using the proposed GA are also compared with those using the simple GA and the conventional Monte Carlo method.     

基于改进AGA的微电网优化管理研究

针对电动汽车无序充放电影响传统微电网稳定性及经济性问题,建立一种根据电动汽车随机负荷种类分时段调度模型,使用蒙特卡洛方法模拟电动汽车的充放电功率。同时,对传统微电网优化收敛速度慢、精度低等问题,提出一种改进自适应遗传优化算法（SAGA）。最优保存策略结合自适应调整交叉变异概率,解决遗传算法多样性问题,从而改善收敛速度与精度。通过建模及仿真计算,证明该方法在含电动汽车的风光柴储微电网优化中,能较快收敛到最优解,提高了微电网稳定性和经济性,具有良好的工程实用性。     

An adaptive ant colony system algorithm for continuous-space optimization problems

Ant colony algorithms comprise a novel category of evolutionary computation methods for optimization problems, especially for sequencing-type combinatorial optimization problems. An adaptive ant colony algorithm is proposed in this paper to tackle continuous-space optimization problems, using a new objective-function-based heuristic pheromone assignment approach for pheromone update to filtrate solution candidates. Global optimal solutions can be reached more rapidly by self-adjusting the path searching behaviors of the ants according to objective values. The performance of the proposed algorithm is compared with a basic ant colony algorithm and a Square Quadratic Programming approach in solving two benchmark problems with multiple extremes. The results indicated that the efficiency and reliability of the proposed algorithm were greatly improved. Project (No. 9845-005) supported by National High-Tech. Research & Development Plan, China     

An adaptive ant colony system algorithm for continuous-space optimization problems

ＩＮＴＲＯＤＵＣＴＩＯＮＡｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍｓ (Ｈｅｒｔｚ ,ｅｔａｌ.,2 0 0 0 ) ,ｉｎｖｅｓｔｉｇａｔｅｄｓｙｓｔｅｍａｔｉｃａｌｌｙａｔｆｉｒｓｔｉｎＤｏｒｉｇｏ’ｓＰｈ .Ｄ .ｄｉｓｓｅｒｔａｔｉｏｎ ( 1 992 )ａｓｔｈｅｉｍｉ ｔａｔｉｏｎｏｆｔｈｅｆｏｏｄ ｓｅｅｋｉｎｇｂｅｈａｖｉｏｒｉｎａｎｔｓｏｃｉｅｔ ｉｅｓ,ｈａｖｅａｔｔｒａｃｔｅｄｔｈｅｇｒｅａｔａｔｔｅｎｔｉｏｎｏｆｒｅ ｓｅａｒｃｈｅｒｓｉｎｃｏｍｐｒｅｈｅｎｓｉｖｅｆｉｅｌｄｓｏｆｓｙｓｔｅｍｏｐｔｉ ｍｉｚａｔ…