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。

改进遗传模拟退火神经网络的双相机标定算法

针对双目相机标定算法中BP神经网络精度低、收敛性差的问题,提出了一种基于改进遗传模拟退火算法的BP神经网络优化方法(improved genetic simulated annealing algorithm-BP,IGSAA-BP)。该方法通过改进遗传模拟退火算法的适应度扩展,交叉、变异概率和退火准则来改善BP神经网络的性能,为BP神经网络提供了最优权值和阈值。将IGSAA-BP神经网络与BP神经网络和TGSAA-BP神经网络两种相机标定算法进行对比,利用其标定的真实值与预测值相差结果得出结论,3种标定方法进行相机标定的平均标定精度分别为0.02、0.71和0.28 mm。结果表明,IGSAA-BP神经网络可以提高双目相机的标定精度,提高全局寻优能力,加快收敛速度。

混合遗传-模拟退火算法在公交智能调度中的应用

公交行车调度是公交企业运营的核心内容,关系到公交企业的经济效益与社会效益。兼顾企业与乘客的利益建立了公交车辆行车计划模型,将遗传算法与模拟退火算法相结合组成混合遗传-模拟退火(GA-SA)算法,并对公交行车调度进行优化。实例仿真计算表明该算法具有比标准遗传算法更好的效率,是优化公交调度问题的一个有效途径。

基于混合遗传模拟退火算法的SaaS构件优化放置

目前,对于SaaS优化放置问题的研究都是假定云环境中的虚拟机的种类和数量都是确定的,即,在限定的资源范围内进行优化.然而,在公有云环境下,SaaS提供者所需要的云资源数量是不确定的,其需要根据Iaa S提供者所提供的虚拟机种类以及被部署的SaaS构件的资源需求来确定.为此,站在SaaS提供者角度,提出一种新的SaaS构件优化放置问题模型,并采用混合遗传模拟退火算法(hybrid genetic and simulated annealing algorithm,简称HGSA)对该问题进行求解.HGSA结合了遗传算法和模拟退火算法的优点,克服了遗传算法收敛速度慢和模拟退火算法容易陷入局部最优的缺点,与单独使用遗传算法和模拟退火算法相比,实验结果表明,HGSA在求解SaaS构件优化放置问题方面具有更高的求解质量.所提出的方法为SaaS服务模式的大规模应用提供了理论与方法的支撑.

基于混合遗传模拟退火算法求解TSP问题

TSP问题是典型的NP-hard组合优化问题,遗传算法是求解此类问题的一种方法,但它存在如何较快地找到全局最优解,并防止"早熟"收敛的问题。针对上述问题并结合TSP问题的特点,提出将遗传算法与模拟退火算法相结合形成遗传模拟退火算法。为了解决群体的多样性和收敛速度的矛盾,采用了部分近邻法来生成初始种群,生成的初始种群优于随机产生初始种群。仿真实验结果证明,该算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高。

基于混合遗传模拟退火算法的矢量场机器人导航(英文)

提出了一种解析形式的机器人矢量场导航模型 ,模型中场矢量的指向就是机器人的理想移动方向 .模型假设工作空间中的障碍物为多边形 ,通过对障碍边界上电场的积分得到了排斥场的封闭解 .导航必须考虑路径对长度、平滑度及安全性的要求 ,因此 ,一种混合遗传模拟退火优化算法被用来对导航模型的参数进行搜索 ,以寻找最优路径解 .仿真结果验证了本文模型的有效性 ,优化所获路径的比较说明此混合算法要优于遗传算法和模拟退火算法 .

VLSI标准单元布局问题的增强型混合遗传模拟退火算法

提出有效处理百万个VLSI标准单元布局问题的混合遗传模拟退火算法.首先采用小规模种群、动态更新种群和交叉局部化策略,并协调全局与局部搜索,使遗传算法可处理超大规模标准单元布局问题.然后为进一步提高算法进化效率和布局结果质量,将爬山和模拟退火方法引入遗传算法框架及其算子内部流程,设计高效的线网-循环交叉算子和局部搜索算法.标准单元阵列布局侧重使用爬山法,非阵列布局侧重使用模拟退火方法.Peko suite3、Peko suite4和ISPD04标准测试电路的实验结果表明,该算法可在合理运行时间内有效提高布局结果质量.

基于混合遗传模拟退火算法的圆柱螺旋弹簧优化设计

针对复合形法等传统优化方法在全局搜索能力较弱,容易陷入局部最优解,并且最优解依赖于初始点选择的特点,提出了应用混合遗传模拟退火算法来解决这些问题。建立了某采油树阀门执行机构内部弹簧的优化设计数学模型,应用混合遗传模拟退火算法对其进行了优化设计,并与复合形法、随机方向法、模拟退火算法和遗传算法所计算的结果进行了比较。结果表明,与复合形法相比,经过混合遗传模拟退火算法优化得到的弹簧体积减小了16.01%。

基于改进模拟退火-粒子群的配电网分布式光伏承载力评估

大规模分布式光伏并网给中压配电网带来严重功率反送,导致中压配电网出现节点电压越限和配电变压器反向过载问题.以系统潮流平衡、节点电压偏差、配电变压器反向负载率和线路载流量为约束条件,以分布式光伏并网容量与系统网络损耗之差的分布式光伏等效并网容量为目标函数,建立中压配电网分布式光伏承载力评估模型,并提出改进模拟退火-粒子群(SA-PSO)算法.对IEEE33系统和实际中压配电网进行分布式光伏承载力计算,结果表明,所建立的分布式光伏承载力评估模型适用于中压配电网节点电压稳定性与配电变压器安全运行问题评估;相较于其他算法,改进SA-PSO算法提高了评估模型计算的收敛速度与寻优能力,在相同约束条件限值下,所得线路分布式光伏承载力更高,且系统网络损耗更低.

基于混合遗传模拟退火算法的离合器蝶形压紧弹簧优化设计

针对遗传模拟退火算法的局部搜索能力不足,并且可能早熟和遗失最好解;以及传统优化算法全局性较弱,容易陷入局部解的问题。提出一种将遗传模拟退火算法和共轭方向法相结合的混合遗传模拟退火算法。在此基础上对离合器蝶形压紧弹簧优化设计进行研究,并与传统优化方法进行比较,结果表明,该方法简单可行,可为蝶形压紧弹簧以及其他产品的设计提供一种新方法。

基于模拟退火改进人工鱼群算法的交通信号配时优化

针对传统的信号配时算法无法适用于过饱和流量的交叉口的限制,结合模拟退火算法初值鲁棒性和局部收敛精度高的特点改进人工鱼群算法以提升其全局搜索能力,然后综合考虑周期时长、绿灯时间和饱和度等作为约束条件,以交叉口车均延误最小为目标函数构建信号配时优化模型,分别利用单一智能算法(模拟退火算法,人工鱼群算法)及其组合改进算法(模拟退火改进人工鱼群算法)对模型进行求解,并对现状方案和3种智能算法求解方案情况下的交叉口整体车均延误进行对比。结果表明,模拟退火改进人工鱼群算法的效果明显优于现状和单一算法,在迭代的初期便能非常接近最优解和稳定下降趋势,表现出快速寻优能力,验证了模拟退火改进人工鱼群算法的可行性与适用性。

基于模拟退火的混合遗传算法

分析了遗传算法和模拟算法的优缺点,并将两种算法进行混合,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足.理论分析和仿真实验表明该方法的有效性和可行性.

一种锐化解空间的基于模拟退火的混合遗传算法

遗传算法是模仿自然界生物个体进化的机理发展而来的一类优化算法,近年来得到广泛的应用,模拟退火算法(SimulatedAnnealing,简称SA)则是模仿另一种自然现象-固体退火原理的一类优化算法.分析了两种算法的优缺点,将两种算法进行混合,并引入一种锐化解空间的方法,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足.

改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。

基于改进的遗传–模拟退火算法和误差度分析原理的PMU多目标优化配置

为了进一步优化同步相量测量单元(phasor measurement unit,PMU)配置的合理性和效率,提出了一种新的误差度分析原理,并使用改进的遗传–模拟退火算法对多个IEEE标准测试系统进行了优化配置。该原理同时考虑了测量冗余度和状态估计的精度,并且避免引入雅可比矩阵,还具备可观测性分析的功能。研究结果表明:该算法不仅可以找到满足全网可观测性的所有PMU数目的配置解,而且进一步提升了全网的测量精度,从而证明了其有效性和优越性。

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火-遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火-遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。

基于混合遗传—模拟退火算法的集装箱班轮航线配船模型

集装箱班轮航线配船是制订船舶生产计划的中心环节，是复杂的、多因素的系统优化问题，其目的是充分利用现有条件和资源，以最少的投入或消耗，换取最大的产出或效益。

基于改进模拟退火算法的配送路径优化研究

“互联网+”时代背景下,越来越多的企业纷纷入驻生鲜电商行业,生鲜电商的企业盈利和竞争压力随之增大,这就要求生鲜企业做好精细化的成本控制策略,实现物流系统的高效运作。在生鲜配送过程中,配送路径优化是极为重要的一环,所以生鲜电商企业必须做好物流配送路径的合理规划,降低配送环节的成本,增加物流总收益。本文以生鲜农产品为研究对象,建立以最短路径为目标函数的数学模型,利用改进模拟退火算法进行研究,并通过PyCharm软件进行求解。求解结果表明:本文所建立的车辆路径优化模型能有效缩短配送线路的总距离,降低配送运输的整体运营成本,进一步验证了车辆路径优化模型和改进算法的有效性和实用性。

混合遗传模拟退火算法求解旅游线路优化问题

广西旅游资源丰富,对出行线路的规划可以能让旅游线路更为优化合理。本文以广西30个城市的旅游线路优化问题构造TSP问题,分析了遗传算法和模拟退火算法的优缺点。利用两种算法的互补性,构造了混合遗传模拟退火算法,指出三种算法对旅游线路的求解算法过程。通过对实验数据的对比分析,得出了混合遗传模拟退火算法在求解精度上优于遗传算法或模拟退火算法。

平车装载中的模拟退火混合遗传算法研究

由于车辆运输式半挂车运输危险性高、效率低,提出使用铁道平车对车辆进行运输.铁路输送中的多型号平车装载问题旨在满足运输和安全的要求下,提高铁路平车利用率,节省铁路运输资源.针对平车优先的平车装载问题,建立数学模型,将改进的自适应遗传算法、模拟退火算法思想、优先适应降序算法结合,提出了一种自适应混合遗传算法;给出了算法的编码,遗传算子的设计、适应度函数的定义、交叉概率和变异概率的自适应改变算法.进行仿真实验,得出适应度变化曲线和装备装载顺序.与混合遗传算法解决该问题的最优结果对比,模拟退火混合遗传算法的运算过程快,且优化程度高.