一种基于模拟退火思想的锥模型信赖域方法

针对无约束优化问题,提出一种基于简化锥模型的信赖域方法.该方法将模拟退火思想改进的Metropolis准则和简化锥模型信赖域方法相结合,即用标量矩阵近似Hessian矩阵,再由Metropolis准则接受更多的试探步.在适当的条件下,建立了新算法的全局收敛性.数值结果表明,该方法是有效的.

融合模拟退火的遗传算法在车辆调度中的应用

论文在遗传算法搜索过程中融入了模拟退火算法,针对选择运算、交叉运算和变异运算产生的新种群,使用模拟退货算法逐一进行优化。由于模拟退火算法不仅接收使目标函数变好的解,还在一定程度上接收使目标函数变差的解,有效避免陷入局部最优,克服了遗传算法局部搜索能力较差、易出现早熟现象的缺点,提高了遗传算法的性能,扩大了遗传算法的使用范围。仿真结果表明融合了模拟退火思想的改进遗传算法性能更优更稳定。

基于SAPSO-BP神经网络的井下自适应定位算法

针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题,提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络(SAPSO-BP)的井下自适应定位算法。采用SAPSO算法优化BP神经网络的初始权值和阈值,以加快训练收敛速度,使之到达全局最优;通过安装在井下巷道中的无线校准器采集目标点接收信号强度指示(RSSI)值,采用自适应动态校准方法对RSSI值进行实时校准,以减小强时变性电磁环境对定位精度的影响;最后利用SAPSO-BP神经网络估算出目标点位置坐标。实验结果表明,该算法的定位误差在2m内的置信概率为77.54%,平均误差为1.53m,定位性能优于未校准SAPSO-BP神经网络算法、PSO-BP神经网络算法、BP神经网络算法。

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题,并构造求解问题的改进遗传算法,在算法中引入模拟退火思想判断交叉操作后新个体的接受状态,同简单遗传算法相比,该算法能够增强全局收敛性,提高收敛速度。

一种用于云计算资源调度的改进遗传算法

针对轮询调度算法、遗传算法和模拟退火算法在云计算资源调度中存在收敛速度慢、易早熟和资源负载不均衡等问题,提出了一种基于模拟退火思想的改进遗传算法(simulated annealing improved genetic algorithm:SAIGA);改进算法设计了基于任务平均完成时间和负载均衡的双适应度函数和自适应的交叉变异概率函数,允许算法在退火过程中以一定概率接受劣质解从而避免早熟现象的发生,将虚拟资源上任务分配数的标准差作为选择个体的依据来实现节点的负载均衡;仿真结果表明,改进算法与上述算法相比,在任务平均完成时间、资源利用率以及收敛速度上表现得更优越,能够较快地找到资源最优调度方案,具有较好的可行性和实用性。

基于改进粒子群算法的微电网优化运行

为提高含分布式发电的微电网运行水平,应用基于混沌-模拟退火思想的粒子群算法对微电网的运行进行优化。针对微电网中各分布式电源特性,建立微电网的数学模型,建立了以运行成本和环境效益等运行指标最优为微电网优化运行的目标函数,并应用基于混沌算法结合模拟退火思想的改进粒子群优化算法对微电网多目标优化运行问题进行求解,得到微电网的最优运行方式。采用改进粒子群优化算法对某微电网进行24 h优化运行算例分析,结果表明该方法具有更好的寻优能力和更快的收敛速度。