基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

基于改进模拟退火遗传算法的配电网动态故障恢复策略

计及分布式电源出力波动性对故障恢复效果带来的不利影响,提出1种利用光伏出力预测的配电网动态故障恢复方案。故障发生后,首先对动态变化的光伏系统输出功率进行预测,并研究了负荷动态特性;其次,以配电网恢复重要负荷总量最大、故障恢复成本最小和故障停电损失最少为目标函数,构建基于动态树背包模型的最优故障恢复模型,该模型可快速适应配电网拓扑变化情况。采用改进模拟退火遗传算法求解最优故障恢复方案,提高了算法的收敛速度与稳定性。最后,在IEEE69节点系统进行仿真,结果表明所提算法可适应复杂配电网的故障恢复,提高配电网供电可靠性,并降低配电网故障带来的恢复成本与停电损失。

求解TSP问题的改进模拟退火遗传算法

巡回旅行商问题(TSP)是最典型的NP的难题,遗传算法(GA)是解决这类问题的有效方法之一。由于该问题的解是一种特殊的序列,一般的交叉算子在该问题的求解效果方面并不理想,提出了贪心的3PM交叉算子,同时又引入退火选择方法,形成一种新的模拟退火遗传算法GCBSAGA(Greed Cross-3PM Basedon Simulated Annealing Genetic Algorithms)。该算法还将模拟退火算法与遗传算法相结合,使得遗传算法在前期发挥着全局搜索的强大功能,很容易收敛到全局较优解;后期用模拟退火算法来处理遗传算法前期的全局较优解,充分利用模拟退火算法后期局部搜索的强大功能,最终收敛到全局最优解。经过国际公认的TSPLIB提供的实验数据的验证,GCBSAGA在实例eil76、eil101、pr144、st70均找到了比TSPLIB提供的最优路径更优的解。

求解VRPSDP问题的改进模拟退火遗传算法

配送和回收一体化的车辆路径问题(VRPSDP)是一种非常复杂的NP难题。针对这一问题,设计了一种改进的模拟退火遗传算法ISAGA,采用非零自然数编码机制和弱可行解到强可行解的解码机制,将3PM交叉算子和退火选择相结合,形成贪心3PM交叉算子,引进insert、swap和2-opt分别对解进行迭代优化,并将模拟退火算法和遗传算法巧妙地结合,使得遗传算法在前期发挥着全局搜索的强大功能;后期用模拟退火算法来处理遗传算法前期的全局较优解,充分利用模拟退火算法后期局部搜索的强大功能。经过国际公认的测试算例验证,ISAGA算法在Min算例、Salhi和Nagy算例中均找到了比现有算法已知最好解更优的解。

基于改进模拟退火遗传算法的测试用例优化方法研究

面向对象软件不同于传统的面向过程软件,其具有封装性、继承性和多态性。面向对象软件中类的方法中可能会调用其他类的对象,导致很难获取其他类的对象状态,并且由于其继承性和多态性,程序中可能存在多种执行路径,如果用传统方法生成测试用例,很难达到较高的测试覆盖率。针对这个问题,提出一种新的面向对象软件单元测试用例生成方法。这一方法基于改进的模拟退火遗传算法,使得优化过的测试序列可以覆盖到程序中更多的分支,生成的测试用例具有更高的覆盖率。通过实验验证方法的可行性,并与其他方法进行对比实验。实验结果证明该方法具有较高的分支覆盖率。

基于改进模拟退火遗传算法的INSAR相位解缠算法

为了解决经典的Goldstein枝切线法容易生成过长的枝切线和较多封闭区域的问题,提出一种基于改进模拟退火遗传算法的INSAR(Interferometric Synthetic Aperture Radar)相位解缠算法。该算法首先对部分残差点进行预处理,生成极性平衡的小段枝切线,然后使用改进模拟退火遗传算法求解剩余残差点的优化组合。经这两步处理后,所得到的枝切线的总长度和封闭区域的数量都明显减少。对真实INSAR数据的实验结果表明,该算法在运行时间和解缠精度上均有一定的优越性。

改进模拟退火遗传算法的3D NoC低功耗映射

功耗优化是NoC设计的重要部分,针对将IP (intellectual property)核合理映射NoC的问题,提出一种初始种群优化的模拟退火遗传映射算法.首先以功耗优化为主要目标,通过对初始种群选取方法进行改进来获取功耗更低的映射方案,并针对遗传算法局部最优问题,在遗传算法交叉操作阶段结合模拟退火算法,得到全局最优方案.实验在Windows系统下采用C++语言实现,结果显示,与传统的遗传算法相比,该算法具有较好的收敛性,能快速搜索到较优解,在124个IP核的情况下,采用改进的模拟退火遗传算法进行映射产生的平均功耗比使用遗传算法时降低了32.0%.

改进模拟退火遗传算法在协同空战中的应用

针对不确定环境下的目标分配问题,本文建立了相应的评估及分配模型。构建空战态势评估指标体系,并用区间层次分析法(interval analytic hierarchy process,IAHP)和模糊优选法确定指标的主客观权重。然后建立相应的不确定环境下多目标优化攻击效能评估模型,将协同多目标攻击决策问题转化为导弹攻击配对优化问题。进一步提出一种基于区间灰数的模拟退火遗传算法(interval grey number-simulated annealing genetic algorithm,ISAGA)用于该决策问题的求解,设计了选择操作和相应的模拟退火机制,有效防止算法陷入局部最优。最后根据寻优所得的解确定合理的攻击方案。仿真结果表明:所提出的算法可以胜任不确定环境下目标分配问题的评估和寻优,并且在10步以内能够找到比较好的解,这在一定程度上是对传统的目标分配问题的完善。

基于改进模拟退火遗传算法的梯级水电站长期优化调度

在使用传统优化方法处理梯级电站数量庞大的长期优化调度时会出现"维数灾"及寻优效果差等问题。研究工作利用遗传算法进行计算,并对其进行了利于计算的改进,将自适应的控制理论加入交叉和变异算子,让其根据适应度的值自动改变,生成初始群体时使用混沌理论,并引入模拟退火方法,将两者的优点结合起来,生成了改进模拟退火遗传算法,提升了全局寻优能力和局部搜索能力,避免了算法陷入局部最优解。将改进后的算法程序应用于建立的模型中,通过与常规遗传算法的比较与分析,结果表明改进模拟退火遗传算法全局搜索能力强、求解效果好,为解决梯级水电站长期优化调度提供了新方法。

基于改进离散模拟退火遗传算法的雷达网协同干扰资源分配模型

针对分布式干扰机掩护目标突防雷达网背景下的干扰资源分配问题,提出了一种引入随机密钥的改进离散模拟退火遗传算法(improved discrete simulated annealing genetic algorithm,IDSA-GA)对资源分配过程进行优化。基于雷达网融合检测概率构建干扰效果评估函数,利用IDSA-GA对函数寻优求解。IDSA-GA在模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)的基础上引入随机密钥,完成算法的离散化;并在迭代的过程中增加记忆功能,克服了过早收敛的现象。仿真结果表明,与GA相比,提出的IDSA-GA收敛迅速,寻优能力强,能有效解决干扰资源优化分配问题。

模拟退火遗传算法在自由曲面数控加工中的实验

在自由曲面的加工中,一直面临着加工时间长的问题,本研究以提高加工效率为目的,通过分析待加工自由曲面的面曲率、残余高度等参数,计算出合理的加工步长和行距,并以此为依据将待加工曲面离散成点云即为刀触点。将刀具路径规划问题转化为求解TSP问题的最优解,为避免遗传算法早熟陷入局部最优解,引入了模拟退火算法进行改进,使用改进后的混合算法进行刀具路径寻优。对优化方法进行了仿真加工、实验加工及测量,结果表明优化方法相比传统方法刀路长度最多减少303.4mm,相对缩短了12.3%,加工效率提升较为明显,并且加工表面也取得了较好的加工效果。

基于模拟退火量子遗传算法的焊接机器人轨迹规划

针对焊接机器人在焊接过程中经常出现的轨迹规划问题,以六自由度机械臂PUMA 560为研究对象,采用笛卡尔空间规划轨迹,并利用混合算法,以关节惯性力矩变化量最小为优化目标,对不同末端位置的各个关节惯性力矩进行优化,从而消除了机械臂焊接过程中的运行不稳定、关节运动不平稳等问题。克服了模拟退火算法收敛速度慢及量子遗传算法局部寻优能力差等问题,成功规划出机械臂关节惯性力矩最优轨迹。MATLAB仿真结果表明,模拟退火量子遗传算法收敛时间相比传统遗传算法缩短30.56%,并且优化了关节惯性力矩,验证了该算法的可行性,可为后续研究奠定基础。

融合模拟退火参数的自适应遗传算法求解柔性作业车间调度问题

柔性作业车间调度问题是NP难问题,一般使用最大完工时间最短的评价指标来衡量加工顺序和机器选择的优劣,最短的完工时间意味着最快的生产速度。为了减小计算量并快速找到车间调度的最优解,提出了融合模拟退火参数的自适应遗传算法,详述了该算法的关键过程,并通过数据集的仿真实验验证了该算法的有效性。

基于遗传-模拟退火算法修正高斯烟羽模型参数

高斯烟羽模型由于受到地形地貌与气象条件等因素的影响,难以准确反映大气的实际扩散过程。为解决上述问题,首先在经验参数作为先验值的基础上,通过遗传算法对实际观测数据进行参数反演修正,根据观测结果调整模型参数,提高模型的准确性;然后,为进一步优化参数修正结果,引入模拟退火算法,通过随机搜索和逐步降温的策略来跳出遗传算法可能陷入的局部最优解,进一步改善模型的性能。为了评估修正效果,建立一个基于权重的模型值与观测值之间差异的适应度函数,通过比较修正前后的误差率来判断参数修正对高斯烟羽模型的影响程度。仿真实验的结果表明,所提出的遗传-模拟退火算法模型能够有效地修正高斯烟羽模型中的扩散参数,修正后的模型在预测污染物浓度方面的误差率下降了89.40%。所提模型可为环境保护和污染防治提供重要的理论支撑和决策依据,具有较大的应用潜力。

基于遗传和模拟退火算法的电动汽车充电调度策略研究

针对大规模电动汽车无序充电过程中存在充电成本高、车主满意度低和充电桩利用率不均衡等问题,首先,以停车场运营商的利润和车主满意度最大化为目标,构建充电调度模型;其次,设计一种将遗传和模拟退火算法相结合的遗传模拟退火算法对模型进行求解;最后,将遗传模拟退火算法与无序充电调度策略和其他元启发式算法进行实验数值对比,验证所提算法的寻优性能,为新能源电动汽车的进一步推广提供有力依据。

基于改进模拟退火算法的防空武器集群打击目标动态分配

传统的防空武器集群打击目标动态分配方法由于设定的约束条件不够全面,导致该方法在分配效果上表现不佳;因此,文章提出了一种基于改进模拟退火算法的防空武器集群打击目标动态分配方法;该方法综合考虑作战效果、作战成本和作战效率等多个因素,确定了相应的目标函数,并设定了相应的约束条件;通过计算打击目标的状态转移概率,并对打击目标的状态准则进行判定,定义了打击目标的状态转移方程;在改进的模拟退火算法的指导下,确定了最优的打击目标分配方案;实验结果分析表明,与传统的防空武器集群打击目标动态分配方法相比,文章设计的基于改进模拟退火算法的方法在实际应用中表现出较低的资源损耗量,均不高于4%,且具有良好的分配效果。

采用改进遗传算法优化LS-SVM逆系统的外转子无铁心无轴承永磁同步发电机解耦控制

为了实现外转子无铁心无轴承永磁同步发电机(outer rotor coreless bearingless permanent magnet synchronous generator,ORC-BPMSG)的精确控制,提出一种基于改进遗传算法(improved genetic algorithm,IGA)优化最小二乘支持向量机(least square support vector machine,LS-SVM)逆系统的解耦控制策略。首先,基于ORC-BPMSG的结构及工作原理,推导其数学模型,并分析其可逆性。其次,建立LS-SVM回归方程,并采用IGA优化LS-SVM的性能参数,从而训练得到逆系统。然后,将逆系统与原系统串接,形成伪线性系统,实现了ORC-BPMSG的线性化和解耦。最后,将提出的控制方法与传统LS-SVM逆系统控制方法进行对比仿真和实验。仿真和实验结果表明:所提出的控制策略可以较好地实现ORC-BPMSG输出电压和悬浮力、以及悬浮力之间的解耦控制。

基于改进免疫遗传算法的建设项目应急预案优化

为了提高建设项目应急预案的针对性,基于改进免疫遗传算法对建设项目应急预案优化进行仿真研究。首先,借鉴生物免疫原理,构建建设项目应急预案优化理论模型;其次,通过设计Taguchi试验优化算法中的重要参数,引入精英保留策略改进免疫遗传算法,并基于该算法构建建设项目应急预案优化模型;最后,以某高速公路为例,运用MATLAB软件进行模拟仿真,测试改进免疫遗传算法的可行性,并设置两组对比实验验证改进免疫遗传算法的优越性。仿真结果表明:相比于传统免疫遗传算法,改进免疫遗传算法下应急预案的亲和度更高,收敛速度也更快。这拓展了项目风险研究,为风险应对决策提供参考依据。

基于改进遗传算法的舾装件托盘多载具协同拣选方法

为提升舾装件托盘的拣选效率,建立拣选过程的数学模型,提出一种基于改进遗传算法(Improved Genetic Algorithm, IGA)的舾装件托盘多载具协同拣选方法。针对遗传算法(Genetic Algorithm, GA)流程与实际拣选过程的差异,改进GA的初始化过程和染色体交叉方式,并对变异过程进行更贴近实际生产的修改。针对GA难以得到全局最优解的问题,采用变邻域搜索(Variable Neighborhood Search, VNS)策略降低陷入局部最优解的可能性。采用实例计算验证该算法的有效性,可优化传统舾装件托盘拣选方法。

基于改进遗传算法的垃圾分类回收选址-路径优化研究

本文主要针对垃圾回收选址-路径问题进行研究,加入了垃圾分类。建立了考虑垃圾分类的垃圾回收中转站选址-路径模型,最小化物流总成本。根据问题模型特点,设计了改进遗传算法来对问题进行求解。采用自适应交叉、变异算子、变邻域算法以及精英保存策略来对算法进行改进。