用有指导的进化模拟退火法解组合优化问题

基于模拟退火和模拟进化思想，提出了一种解决组合优化问题的新方法：有指导的进化模拟退火法（ＧＥＳＡ）．该方法允许问题的多个解同时存在，这些解之间进行局部或全部的比较和竞争，然后指导越来越多的搜索进入可行解的范围内．用ＧＥＳＡ方法求解两个典型的组合优化问题：旅行商（ＴＳＰ）和作业调度（ＳＣＰ）问题．结果表明，此方法优于单纯的模拟退火方法．

基于模拟退火进化算法的公交车调度模型

本文主要是建立了以公交车的收益为目标函数和乘客的满意度为约束条件的公交车调度优化模型,通过对这个模型分析、假设提出了由等待时间和车上拥挤度产生的满意度,设计了一个基于自适应算子的模拟退火进化算法,并对该算法进行了讨论。

基于协同进化算法的配电网故障阶段式恢复策略

传统的配电网故障恢复算法难于同时兼顾恢复过程的快速性和恢复策略的最优化。文章提出一种将启发式搜索算法与优化算法相结合的配电网故障阶段式恢复策略:第一阶段采用启发式搜索方法恢复负荷供电;第二阶段利用优化算法处理过载的负荷转移;第三阶段按启发式搜索方法处理过载负荷的切除。为实现快速的网络拓扑分析,采用家族树结构表征配电网,并对传统的粒子群优化(particle swarm optimization,PSO)算法与模拟退火(simulated annealing,SA)优化算法进行改进,提出了协同进化算法(co-evolutionary algorithm of PSO and SA,CPSOSA),CPSOSA算法在求解故障恢复数学模型时具有较高的全局寻优能力。算例分析证明了本文所提恢复策略及算法的可行性和高效性。

改进的进化计算及其应用

改进的进化计算及其应用＠蔚承建＠何振亚￥东南大学无线电系ＤＳＰ研究室进化计算，进化模拟退火，Ｃａｕｃｈｙ分布改进的进化计算及其应用蔚承建姚何振亚（东南大学无线电系ＤＳＰ研究室南京２１００１８）关键词进化计算，进化模拟退火，Ｃａｕｃｈｙ分布１引言进化计算是一...

一种图K划分的随机算法

本文提出一个求解图Ｋ划分难题的模拟进化退火模型。该模型将模拟退火和模拟进化方法相结合，实现了多目标并行寻优策略。理论分析和实验结果表明，模拟进化退火模型的性能更优，解的优化程度更高。

基于自适应加权最小二乘支持向量机的青霉素发酵过程软测量建模

针对生化过程软测量建模过程中样本数据可能包含的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(Adaptive weighted least squares support vector machine,AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的正态分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用混沌差分进化—模拟退火(Chaos differential evolution simulated annealing,CDE-SA)算法对模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于最小二乘支持向量机(Least squares support vector machine,LS-SVM)和加权最小二乘支持向量机(Weighted least squares support vector machine,WLS-SVM)。利用Pensim仿真平台的数据,将AWLS-SVM方法用于青霉素发酵过程软测量建模,获得了较好的效果。