基于模拟退火的Gauss-Newton算法的神经网络在渗流反分析中的应用

提出了模拟退火的 Gauss-Newton 算法的神经网络,克服了经典 BP 网络存在的一些缺陷。并以正弦函数的迭代收敛为例,证明了该方法的正确性,有效性和优越性。同时将该方法用于同乐坪大坝的渗流反分析,利用反演出的渗透系数进行渗流场计算。得到的水头预报值与观测值相吻合,可知反演结果是正确的,说明该方法用于实践工程的渗流参数识别是可行的。

基于模拟退火的Gauss-Newton算法神经网络在短期负荷预测中的应用

针对一般BP网络存在的一些缺陷,首次提出了利用基于模拟退火的Gauss-Newton算法的神经网络预测电力系统短期负荷,并编制了通用程序.在相同的初始条件下,用基于模拟退火的Gauss-Newton算法的神经网络和自适应学习率附加动量法神经网络进行了比较,得出前者的特点和优点:一次性求解权值和偏差,收敛快,精度高,收敛于全局最优解.在算例中,基于人工神经网络的非线性特点进行了负荷预测,通过和真实值的比较说明本方法预测结果精度很高,从而更进一步验证了该方法应用于短期负荷预测的可靠性和优势.

基于BIM技术与模拟退火算法的村镇轻钢框架结构智能设计方法

传统村镇住宅结构设计需要进行大量的人工试算与重复建模,而受制于建设成本,村镇住宅无法像城镇住宅一样通过设计师进行专业的结构设计与验算,其安全性与经济性均难以满足要求。为此,提出一种村镇轻钢框架结构智能设计方法,包括智能建模与智能优化两个环节。基于图层自动识别算法、光学字符识别技术、自适应分块算法提出村镇轻钢框架结构BIM智能建模方法,包括图层识别、轴文本数据提取、墙体轮廓提取等,智能建模结果基本满足实际工程要求。基于提出的两阶段模拟退火算法给出村镇轻钢框架结构的智能优化方法,优化速度较快,优化效果良好。通过实际工程案例对提出的智能设计方法进行验证,结果表明,提出的村镇轻钢框架结构智能设计方法具有可行性,与传统的人工设计方法相比,设计周期可缩短70%以上,材料用量、结构设计指标接近人工设计结果。

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。

自适应状态转移模拟退火算法及其应用

状态转移模拟退火算法(STASA)作为解决复杂优化问题的有效方法,其搜索效率依赖于搜索算子和参数值的选择,在一些高维复杂问题上出现效率低下的问题。提出一种自适应状态转移模拟退火算法(ASTSA),通过自适应算子和参数选择策略来提高算法的适用性和求解效率;借鉴群智能算法的均值更新方法对平移算子进行改进,增强算子的搜索特性。通过23个基准测试函数和8个工程设计问题进行实验验证并与其他算法对比,证明了ASTSA算法和改进策略的有效性。

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。

基于模拟退火粒子群算法与小冲杆试验确定材料塑性性能的方法

为了能够准确合理地从小冲杆试验曲线中获取材料的塑性参数,提出了一种基于模拟退火粒子群算法和有限元模拟获得材料断后伸长率及断面收缩率的方法。首先通过小冲杆试验获取X65、X70管线钢的载荷-位移曲线;其次利用模拟退火粒子群算法和有限元模拟相结合的方法,使得小冲杆模拟曲线逼近试验曲线,进而识别Johnson-Cook(J-C)本构模型参数;最后将识别的参数用于模拟单轴拉伸试验,从而获取材料断后伸长率和断面收缩率。该方法所获得的两种管线钢的断后伸长率、断面收缩率与单轴拉伸试验结果的最大相对误差分别为23.58%、3.70%。

基于模拟退火和樽海鞘群优化的DV-Hop定位算法

针对无线传感器网络(WSNs)中传统DV-Hop算法定位误差较大等问题,提出基于模拟退火和樽海鞘群优化的DV-Hop定位算法。该算法分别引入RSSI和修正因子来量化最小跳数以及校正平均跳距,在未知节点估计过程中,采用改进的樽海鞘群优化算法代替最小二乘法,并且与模拟退火算法相结合,缓解了樽海鞘群优化算法在寻优过程中容易陷入局部最优的缺点。仿真结果表明:改进后的DV-Hop算法相比于传统DV-Hop定位算法以及其他智能优化算法,定位精度得到明显改善。

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。

基于模拟退火粒子群算法的甚高频台站补盲

目前中国西藏地区甚高频(very high frequency,VHF)通信台站在7000 m及以上高空航路通信信号覆盖存在覆盖盲区,但是并没有针对VHF通信信号盲区补盲方面的研究及对应的解决办法。为了解决以上问题,提出了一种以西藏地区的实际地形为优化算法搜索对象,以拉萨管制区管辖范围内航路通信信号的单重覆盖率、双重覆盖率及管制区的冗余度为指标的补盲部署数学模型。接着,在不改变西藏地区原有VHF通信台站数量和位置的基础上,利用模拟退火粒子群算法,采用最小频率最少台站个数寻找一个最优台站对未覆盖的一段航路进行VHF通信信号覆盖研究。仿真结果表明,该算法不仅实现了采用最小频率最少台站个数解决航路通信信号覆盖盲区的目标,而且克服了粒子群算法在寻优过程中易陷入局部最优解的缺点,同时也证明了提出的补盲部署数学模型的正确性及改进的粒子群算法的高效性。该算法和模型可以为航线网路规划、台站部署优化及最终通过该方法解决频谱资源匮乏问题提供理论支撑和技术支持。

求解集装箱装载问题的混合蚁群模拟退火算法

目的针对物流行业中存在的大规模、复杂、多规格货物的集装箱装载问题,提出一种基于塔装载启发式算法、二维装载点启发式算法、蚁群模拟退火算法的混合算法。方法首先,采用塔装载启发式算法将三维待装箱装载成塔集,即将三维装箱问题降为二维装箱问题,有效降低集装箱的装载规模;其次,蚁群算法通过融入信息素选择更新策略,并利用自适应信息素挥发系数来提升算法整体的收敛速度,同时结合模拟退火算法对每代优秀路径集进行局部搜索,避免算法因收敛过快而陷入局部最优;最后,将蚁群模拟退火算法与二维装载点启发式算法相结合,优化每座塔的装载顺序和放置姿态,寻找最优的装载方案。结果实验证明,在250组算例中,采用混合算法后,集装箱的平均空间利用率为90.92%,优于其他3种对比算法。结论设计的混合蚁群模拟退火算法适用于解决大规模集装箱装载问题。

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。

基于增强模拟退火算法的动车所调车作业计划多目标优化方法

尽头式动车所调车作业存在多种可选作业模式,且在调车作业时需考虑作业总时间及转线复杂度等多性能指标,合理制定综合上述情况下的动车所调车作业计划,对提高动车所检修能力具有重要意义。为此,以最小调车作业时间及转线复杂度为目标,构建带咽喉区股道约束的动车所调车作业混合整数线性规划模型,并提出一种增强多目标模拟退火算法(EMOSA)。该算法融合基于启发式规则的解码设计,以消除股道占用在时空上的冲突,面向调车作业进行股道合理分配;设计与问题规模相关的帕累托前沿解集重启机制,避免算法陷入局部最优。对不同规模的多个案例进行测试,验证了所提改进算子的有效性。最后,以某动车运用所的调车作业计划编制为例,验证了模型和算法的实用性和正确性。

融合启发式规则与模拟退火算法的排程模型应用

热压成型与铺叠工序作为复合材料生产环节中的关键工序,生产排程不合理导致资源浪费,生产效能低等问题。据此提出一种融合启发式规则与模拟退火算法的双层排程模型。根据问题特性在传统模拟退火算法基础上提出一系列优化策略,进一步提升模型性能。在实证中采用H复合材料加工厂相关制件数据对上述模型进行测试。实验结果表明,铺叠加工时长由93 h减少为82 h,设备空闲时间减少54个小时。排程效果显著,有效提升生产连续性及设备利用率,降低资源浪费。

基于模拟退火-蚁群算法的输油管道碳排放量优化研究

为实现输油管道的节能降耗,以碳排放量最小为目标函数,在水力约束和热力约束的条件下,采用模拟退火-蚁群算法的机器学习方法对加热炉、外输泵的组合方式及运行参数进行求解,并在考虑设备运行可靠性的基础上,设计了全年运维方案。结果表明:优化后单日耗油量和耗电量均有所下降,单日碳排放量降低20%左右;对外输泵进行了可靠性分析,依据概率密度函数可知泵的正常检修周期应为1650 h(68 d),在连续运行1120 h(46 d)后应进行预防性保养;环境温度与碳排放量的优化效果呈负相关,全年运维方案中7—9月的碳排放优化效果较差,全年可减少碳排量185.61 t。研究结果可为油气田企业双碳目标的实现提供技术支撑。

基于模拟退火改进PSO算法的J-A磁滞模型参数辨识

本文作者提出了一种基于模拟退火改进PSO算法,将模拟退火算法和PSO算法融合,利用模拟退火算法的全局搜索能力与PSO算法的快速收敛性能,可实现磁滞模型参数的快速、精确辨识。J-A磁滞模型参数辨识的仿真验证了所提混合算法对于磁滞曲线的拟合程度、辨识所得参数精度均更高,且不易于陷入局部最优解。同时,通过引入铁心在交变磁场中产生的损耗部分,建立了动态J-A磁滞模型以评估动态损耗对磁内能的影响,验证了所提出算法在考虑涡流损耗和异常损耗因素下工程应用中参数辨识的快速性与有效性。

基于模拟退火粒子群优化算法的ECT图像重建方法研究

电容层析成像系统中,其反问题的“病态性”特点,导致传统图像重建算法的重建结果伪影现象严重。粒子群算法(Particles Swarm Optimization,PSO)作为智能算法的一种,具有易实现,收敛快等显著优点,缺点也很明显,即粒子易收敛于局部最优解。将模拟退火算法与粒子群搜索算法相结合,利用模拟退火算法中的概率突变能力,能够有一定概率跳出算法的局部最优解。设计了五种不同的典型流型并进行了仿真实验,利用所提算法与LBP算法、Tikhonov算法、Landweber迭代算法以及标准PSO算法分别对其进行了图像重建。仿真实验所得到的主观结果和客观数据均表明,所提算法可以有效减少重建图像中的伪影,明确图像形状,提高重建图像质量,使得图像重建结果更加接近原始流型。

改进模拟退火算法的低碳车辆路径规划

在城市垃圾量急剧增加的背景下,为解决清运车辆过度使用导致碳排放持续增加问题,提出一种垃圾清运车辆低碳路径优化方法。在考虑车辆容量限制和时间窗约束的情况下,综合多个清运过程影响因素优化目标函数,建立以路径最优、成本极小化为目标的数学模型。设计了改进模拟退火算法求解模型,改进策略包括使用K-means聚类算法协助模拟退火算法,加入2-shift法、2-symmetry法和2-insert法,使算法在全局搜索和局部搜索达到平衡,在邻域搜索上引入随机均匀采样策略,避免因穷举带来的时间复杂度过高问题。多个经典算例的仿真实验结果表明,改进模拟退火算法对优化车辆低碳路径规划模型具有较好的收敛速度和鲁棒性。