基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究

为提升煤层瓦斯含量预测精度,提出一种采用遗传模拟退火算法混合优化支持向量机(SVM)参数的瓦斯含量预测模型(GRA-GASA-SVM模型)。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数,以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析(GRA)压缩数据集维度,建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明:SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型,GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。

基于GA-SA算法的机器人几何参数误差辨识

几何参数误差对机器人末端绝对定位精度影响最大,而几何误差参数辨识是一个高维非线性问题,求解困难,所以建立一种简单高效的辨识算法是有必要的,本文提出了遗传模拟退火算法(GA-SA)对机器人几何参数误差辨识。以机器人末端位姿误差最小为目标,采用遗传模拟退火算法辨识机器人几何参数误差,以ABB IRB120为算例迭代1100次,遗传算法在200代陷入局部最优,模拟退火参与后最终适应度为0.0914。误差补偿结果表明:机器人末端位置误差沿X,Y,Z轴方向分别降低了88.05%,81.73%,83.72%,姿态误差分别降低了93.92%,83.64%,83.44%,证明遗传模拟退火算法可以有效辨识机器人几何参数误差,提高误差补偿后的机器人末端位姿精度。

基于GA-SA的多点封控行动中的兵力分配研究

封控是武警部队遂行多样性任务中经常采用的一种重要军事行动,关系到多样化任务遂行的成败。为进一步提高武警部队在多点封控行动中的兵力分配的精确性和科学性,文中基于武警部队驻地分散实际,考虑各封控小组对各封控点成功率不同及到各封控点的距离不相等等因素,以实现各封控点成功率最大化和以小组开进的路程和最短为目标,建立了多点封控行动中的兵力分配模型。依据问题特点进行了遗传算法编码和适应度函数设计,将遗传算法(Genetic Algorithm, GA)和模拟退火算法(Simulated Annealing, SA)相结合,提出了一种GA-SA算法,实验仿真结果验证了算法的有效性及较遗传算法和模拟退火算法的优越性。

混合GA与SA求解非线性约束优化

在非线性约束优化中,处理好约束条件和增强局部搜索能力是解决这类问题的关键.本文在给出问题一般形式的基础上,设计了一个模拟退火和遗传算法结合的算法.它用模拟退火算法来增强局部搜索能力,用线性交叉来处理约束以外的解,将可行解与不可行解用适应值的正负来区分.仿真试验表明,该算法收敛速度快、搜索能力强、稳健性好,本方法是对应用遗传算法求解非线性约束优化问题的又一次深入探索.

机组检修计划问题的GA&SA组合算法

建立了以可靠性指标为目标的机组检修计划优化模型 .在考虑可能出现的各类约束条件后 ,提出了一种由遗传算法与模拟退火算法结合而成的组合优化算法 .该算法考虑了检修类型及检修安排对本次检修计划的影响 .应用组合算法对实际的系统作了仿真优化计算 ,同时给出了不同算法的比较结果 ,证明该组合算法是可行而有效的 .

一种基于GA-SA-TS算法的车间调度方法的研究

运用现代优化算法来解决车间调度这类NP完全问题是现在普遍使用的方法。本文将模拟退火算法和禁忌搜索算法的思想与遗传算法相结合,改善了传统遗传算法中单一的交叉和变异机制,提出了模拟退火-交叉机制和禁忌搜索-变异机制,最终形成了一种适用于解决车间调度方面问题的GA-SA-TS混合遗传算法。三种算法取长补短,避免了遗传算法局部搜索能力差和易早熟的缺点。同时运用GA-SA-TS算法,针对实际车间调度问题进行了仿真。通过该仿真结果可以看出,GA-SA-TS混合遗传算法对于解决车间调度问题是可行的,且在解的质量方面有所提高。

基于SAGA及多尺度图像的配准技术研究

图像配准是图像融合、目标检测识别和计算机视觉技术中重要的步骤和环节,用于消除来自不同传感器的图像中目标的差异。本文在研究基于最大互信息算法的基础上,提出了一种基于遗传算法和模拟退火算法的多尺度图像配准技术,仿真试验表明此算法准确有效。

基于GASA的最小测试集求取的研究

近年来发展的离散事件系统(DES)理论可提供一种统一的对数模混合电路中数字电路和模拟电路测试都有效的方法。对基于DES理论的可测试性研究中电路最小测试集的求取问题,提出了一种运用GASA混合策略的组合优化方法,并对进一步的研究工作进行了展望。

集成GASA混合学习策略的BP神经网络优化研究

针对BP算法易于陷入局部极小值且收敛速度慢的缺陷,在BP神经网络训练过程中集合GA并行化群体搜索的特点和SA在局部极小处发生概率突跳的特性.基于GASA混合学习策略对BP神经网络进行优化.优化后的BP神经网络被应用在农作物虫情预测中,实验结果表明能够较大幅度提高网络学习的收敛性能和收敛速度,并一定程度上减少了算法的复杂性.

基于GA-SA的重力坝断面优化设计及MATLAB实现

分析了重力坝断面优化设计时设计变量的选取、目标函数的确定及约束条件的设置。针对遗传算法(GA)和模拟退火算法(SA)的特点,将2种算法结合起来,用于重力坝断面的优化设计。探讨了GA-SA混合算法的优化步骤及其MATLAB的实现。

基于SAGA的工程项目资源均衡优化方法

为提高工程项目资源优化效率,提出了基于模拟退火遗传算法(SAGA)的工程项目资源优化方法。基于对模拟退火算法(SA)和遗传算法(GA)的搜索能力、优化机制、优化结构和优化操作互补性和可融合性的分析,将模拟退火算法优化结果作为遗传算法初始种群,实现两者的有机结合。通过算例对模拟退火遗传算法的优化效率进行验证,结果表明:在工程项目资源均衡优化问题中,遗传算法最优解稳定性受种群大小影响较大,且种群越大,算法优化效率越低;模拟退火算法在最优解稳定性和运行时间方面的表现均欠佳,不能满足实际优化需求;模拟退火遗传算法能够用较小种群,在较短运行时间内得到100%稳定的最优解,在该问题中具有较强的适用性。

一种混合GA、SA和启发式规则的FMS调度方法

描述了一种综合ＧＡ、ＳＡ 与启发式规则优点的方法，及其在ＦＭＳ调度问题中的解决方案和ＦＭＳ调度的特点，建立了可变工艺路径的ＦＭＳ调度问题的模型．对ＧＡ、ＳＡ 操作中各步骤及其相应于ＦＭＳ调度的特殊性作了说明，提出了基于启发式规则库的ＳＡ 算法，阐述了柔性调度的基本框架，并对一个３３ 机器、１２７

基于GASA有缓冲区约束的混流生产线批量与排序集成优化研究

为解决带有限中间缓冲区的混流生产线中多个连续调度区间的生产计划的批量与排序集成优化问题,以最小化正常完工时间成本、超时完工时间成本和库存成本为目标,建立了优化数学模型,设计并实现了新的基于遗传算法和模拟退火算法的混合求解算法,通过与自适应遗传算法进行计算试验比较,验证了所提出的混合算法的可行性和有效性。

基于GASA算法的DFCW-LFM波形设计

离散频率编码波形是一类常用的多输入多输出雷达波形,加入线性调频能够改善其自相关性能。将基于遗传算法和模拟退火的混合算法用于离散频率编码线性调频(discrete frequency coding waveform-linear frequency modulation,DFCW-LFM)波形的优化设计,仿真结果表明,用该优化算法得到的信号其相关性能要优于现有方法。另外,提出了一种改进的DFCW-LFM波形设计方法。该方法在DFCW-LFM波形的基础上,对频率编码子脉冲同时进行相位编码,构成DFCW-LFM和相位编码的混合波形,并采用混合算法对其进行优化设计。仿真结果表明,和已有的DFCW-LFM波形相比,所设计混合波形的相关性能得到了进一步改善。

二阶先验模型下SA-GA混合优化策略的图像景深提取

解决从不同角度拍摄的一系列平面图像中解算图像中物体的景深问题,使用一个新颖的二阶先验模型来建模光滑3D物体的表面信息,此模型比传统的一阶模型有很大优势。同时提出一个混合优化策略———模拟退火算法(SA)和遗传算法(GA)来提高优化效率。实验结果表明:二阶先验模型在解算典型场景的景深时要优于一阶模型。混合优化比单独的SA、GA优化效果好。

基于GASA-BP神经网络的煤层瓦斯含量预测方法研究

为提高煤层瓦斯含量预测的精准度和效率,提出1种利用遗传算法(GA)和模拟退火算法(SA)混合初始化BP神经网络(BPNN)的瓦斯含量预测新模型(GASA-BPNN模型)。利用灰色关联分析法(GRA)筛选瓦斯含量主控因素并作为GASA-BPNN预测模型的输入。为解决BPNN收敛速度慢和易陷入局部极小陷阱的问题,将GA和具有时变概率突跳性的SA整合为GASA算法协同初始化BPNN的权值和阈值,有效地提高BPNN的参数学习能力。将该模型应用于煤炭生产现场,结果表明:BPNN模型、GA-BPNN模型和GASA-BPNN模型瓦斯含量预测总平均相对误差分别为15.79%,9.03%,5.56%。相比BPNN模型和GA-BPNN模型,GASA-BPNN模型对样本的泛化能力更强,参数训练速度最快并且预测精准度最高。

基于GA&SA的混流装配线平衡系统的研究与实现

在对柔性生产环境下的多品种混流装配线设计问题进行分析的基础上,结合4种不同型号的保险杠的装配工艺,提出结合当量节拍、可变装配站与固定工作站的设计技术,设计以装配线过载和闲置成本最低为目标的投产排序模型,并开发一个面向对象的投产排序系统,运用SA&GA混合算法对模型进行求解,得出最佳投产排序解决方案。

基于GA与SA的社区检测优化算法研究

社区结构是网络最重要的属性之一,近年来社区检测受到极大关注,出现了很多社区发现算法。模块度是衡量社区划分好坏的重要指标,但是其分辨率却有一定局限性。将模块度中加入一个可调参数,根据社区结构调整参数更适合于需求不同的社区检测。随着网络规模的扩大,社区发现算法既要有较高的准确性,又要有很低的时间复杂性。提出一种发现算法GASA,该算法将遗传变异与模拟退火相结合,既有遗传算法的全局搜索能力,又有模拟退火算法的局部搜索能力。该算法用于社区检测优势明显,检测到的社区更接近真实社区。

基于自适应GA-SA算法串联机械臂轨迹运行时间优化

针对串联机械臂工作时间最优化设计,优化算法引入自适应方法与随机邻域拓展机制,提出一种自适应遗传模拟退火(GA-SA)算法。文中选取PUMA762串联机械臂为验证对象,建立D-H参数表,依据MATLAB工具箱构建结构模型,在运动学正解模型基础上,采用蒙特卡洛法分析工作空间。以运行时间为目标设计目标函数h t,合理设置约束条件后,采用3-5-3次多项式插值法构造高阶连续关节运行轨迹,通过自适应GA-SA算法进行优化设计,结合ADAMS绘制虚拟样机模型进行仿真,优化机械臂轨迹运行时间为3.68 s,验证了算法的有效性,为后续研究奠定基础。

成都市内旅游路线规划研究——基于SA、GA算法

研究旅游路线的规划问题,为游客设立合理的游览线路,不仅可以达到耗时最少、线路最短进而提升游客的体验感的目的,而且可以促进我国旅游业蓬勃发展。以省会成都为中心,选取成都市内12个旅游景点以及查寻各个景点的经纬度,用Python进行模拟退火算法及遗传算法运算,构建省内游览路线的哈密顿圈,制定一套可以有效实施的成都市内景区的最佳路线规划方案。