基于模拟退火多种群遗传算法的港口船舶调度优化

为协调港口航道与泊位资源,提高港口船舶调度效率,从单向航道出发,根据先后调度的2艘船舶的进出港方向和所停靠泊位的远近区分两船间的相对关系,建立以总等待时间最少为目标的调度优化数学模型。设计适用于港口船舶调度优化的模拟退火多种群遗传算法(Simulated Annealing and Multiple Polulation Genetic Algorithm,SAMPGA),模拟某港口不同调度规模的船舶进行仿真试验,与先到先服务规则(First Come First Served,FCFS)和简单遗传算法(Simple Genetic Algorithm,SGA)进行比较,证明SAMPGA在解决航道和泊位协调调度问题上的适用性。结果表明:在现有的调度规则下对航道和泊位进行协调调度能减少船舶的等待时间和总调度时间,但实际调度规则需要考虑的限制因素更多,需对模型作进一步优化。

基于模拟退火多种群遗传算法的C-Mn钢生产优化

模拟退火和多种群进化是改进遗传算法的两种主要手段 ,文章将这两种方法相结合 ,建立了基于模拟退火的多种群遗传算法 ,并将该算法应用于C Mn钢生产时内控成分和轧制工艺的优化 ,以满足用户对钢产品的力学性能和化学成分的要求。

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%。

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。

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。

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。

基于模拟退火机制的多种群并行遗传算法

模拟退火和多种群并行遗传进化是两种较好的改进遗传算法性能的方法 .将这两种思想有机地结合起来 ,提出了一种基于模拟退火机制的多种群并行遗传算法 .仿真结果表明 ,该算法不仅能增强算法的全局收敛性 ,还能加快遗传进化速度 ,得到满意的全局最优值 .

基于改进模拟退火遗传算法的路径规划问题研究

为了解决复杂环境中的路径规划问题,通过引入并改进模拟退火算法与遗传算法相结合的混合优化策略,以克服传统路径规划算法在全局搜索能力、收敛速度及避免局部最优解方面的局限性,提出了一种基于改进模拟退火遗传算法的路径规划方法。在遗传算法框架内,通过编码方式表示路径,并利用选择、交叉和变异等遗传操作生成新的路径种群。为增强全局搜索能力和跳出局部最优解的能力,引入了模拟退火机制,在遗传算法的交叉和变异操作中融入模拟退火的概率接受准则,允许以一定概率接受较差的解,从而增加种群的多样性。研究过程中,首先设计并实现了改进的模拟退火遗传算法,并设置了对比实验,包括单独使用遗传算法、模拟退火算法以及模拟退火遗传算法进行对比分析。实验结果表明,与单独使用遗传算法和模拟退火算法相比,改进模拟退火遗传算法在复杂环境中的路径规划问题上展现出了显著的优势,有效提升了算法的全局搜索能力、最优解准确度和收敛速度,同时增强了算法对复杂环境的适应能力。

结合模拟退火算法与遗传算法的动态协同路径规划研究

船舶的动态协同路径规划是船舶安全航行的重要保证。本文对多船舶交汇且航线上存在障碍物情况下的船舶动态路径规划进行研究,对动态协同路径规划进行数学描述,使用模拟退火算法、遗传算法对静态路径规划进行仿真,并对仿真结果进行对比和分析。提出多船交汇的协同策略,以两船交汇动态协同路径规划为例进行仿真研究。结果表明,2种算法均可实现船舶路径规划,在多船交汇时船舶能够按照规划的路线主动转向,并最终实现安全航行。

用基于模拟退火机制的多种群并行遗传算法解Job-Shop调度问题

应用一种新型的遗传算法———基于模拟退火机制的多种群并行遗传算法对Job Shop调度问题进行求解 通过仿真表明此算法不仅具有较强的全局收敛性 ,而且有更快的寻优速度 ,是求解复杂调度问题的有效算法 .

基于模拟退火算法改进的遗传算法的金属铣削参数优化

为提高金属铣削质量,提出一种基于利用模拟退火算法改进的遗传算法的金属铣削参数优化方法。方法确定了金属铣削待优化参数为切削速度、轴向切深、径向切宽、每齿进给量,构建了以毛刺尺寸最低,铣削力最低,材料去除率最高,粗糙度最低的多目标优化模型,最后采用添加扰动的模拟退火算法改进的遗传算法,对多目标优化模型进行求解,实现了金属铣削参数优化。仿真结果表明,所提方法实现了金属铣削参数优化,铣削得到的TC4金属材料毛刺尺寸为20.07μm,铣削力在x、y、z轴方向分别为0.033, 0.028, 0.017 N,表面粗糙度为0.055μm,材料去除率为6.22 mm^(3)/min;相较于遗传算法、蚁群算法、粒子群优化算法、模拟退火算法,可提高金属铣削质量,降低铣削得到金属毛刺尺寸、铣削力、表面粗糙度,提升材料去除率。

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。

基于模拟退火遗传算法的关联规则挖掘

将模拟退火遗传算法加以改进,应用于关联规则挖掘,提出一种新的基于改进的模拟退火遗传算法的关联规则挖掘算法,并在该算法中,采用自适应方式动态选取交叉和变异概率,有效地抑制了早熟收敛现象,实验结果显示该方法能高效地解决关联规则挖掘问题。

基于遗传算法和模拟退火算法的布局问题研究

文章在介绍遗传算法和模拟退火算法的基本理论及主要特点的基础上,提出了一个基于遗传算法和模拟退火算法的求解布局问题(矩形件排样优化)算法,并通过算例验证了该算法的有效性。

基于模拟退火遗传算法的聚类分析

将模拟退火遗传算法用于聚类分析,通过对聚类中心进行编码,定义适应度函数,选择、交叉、变异操作以及模拟退火算法的运用,给出了一种新的基于模拟退火遗传算法的聚类算法,实验结果显示该方法优于基本的遗传算法。

模拟退火算法与遗传算法的结合

模拟退火算法与遗传算法的结合王雪梅，王义和（哈尔滨工业大学计算机科学与工程系哈尔滨１５０００１）ＴＨＥＣＯＭＢＩＮＡＴＩＯＮＯＦＳＩＭＵＬＡＴＥＤＡＮＮＥＡＬＩＮＧＡＮＤＧＥＮＥＴＩＣＡＬＧＯＲＩＴＨＭＳ￥ＷＡＮＧＸｕｅｍｅｉ；ＷＡＮＧＹｉｈｅ（Ｄｅ...

基于自适应模拟退火遗传算法的月球软着陆轨道优化

将自适应遗传算法与模拟退火算法相结合,形成一种自适应模拟退火遗传算法。该算法不但具备了自适应遗传算法的强大全局搜索能力,也拥有模拟退火算法的强大局部搜索能力。针对月球软着陆轨道优化的特点,利用一种新的参数化方法将轨道优化问题转换为非线性规划问题,并应用提出的自适应模拟退火遗传算法进行优化。数值结果表明:该算法的收敛速度快,优化精度高,且避免了初值敏感、病态梯度和局部收敛等问题,能够搜索到全局最优轨道。

基于模拟退火遗传算法的水资源优化配置研究

【目的】通过模拟模型描述水资源系统的复杂关系,解决水资源配置难题,为区域水资源合理开发利用提供决策依据。【方法】建立以经济、社会、生态环境综合效益为最优的水资源优化配置模型,并采用模拟退火遗传算法对模型进行求解,最后以咸阳市为例进行水资源优化配置。【结果】基于所建立的水资源优化配置模型对咸阳市的水资源进行优化配置,在50%保证率情况下,咸阳市2020年地表水、地下水、外调水、中水的供水量分别为69 020万、53 433万、23 435万和7 900万m^3,2030年供水量分别为88 825万、46 533万、46 310万和12 100万m^3,分别较原始供水量节水322.09万和432.46万m^3,除农业用水稍有欠缺外,其他用水户的用水要求均可以得到满足。【结论】基于模拟退火遗传算法的水资源优化配置模型配水结果合理可行,可以作为研究区水资源配置的决策依据。模拟退火遗传算法收敛速度快,寻优能力强,可以应用于水资源优化配置领域。