应用单纯形-模拟退火混合算法估计河流水质参数

将由单纯形法(SM)与模拟退火(SA)两种算法构成的混合算法(SMSA),应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据,估计河流水质参数的函数优化问题。分别就不同的降温指数、内循环次数与新状态产生函数中的扰动系数等算法控制参数对混合算法和改进模拟退火法的收敛速度的影响,进行了数值实验。结果表明,SMSA混合优化算法对于求解估计河流水质参数的函数优化问题是非常有效的。在实验条件下,与单一具有记忆功能的改进模拟退火法的水质参数计算结果相比较,SMSA混合算法具有:①混合算法的收敛速度明显优于改进模拟退火法;②降温指数和内循环次数对SMSA混合算法的收敛速度影响非常微弱;③新状态产生函数中的随机扰动幅度大小对算法收敛速度具有较为明显的影响等特点。

基于单纯形-模拟退火算法的小波阈值去噪研究

阐述了小波分析去除信号噪声的原理和方法,其中阈值的选取将直接关系到信号去噪的质量。本文基于广义交叉验证准则(GCV)求解阈值的基础上,提出了利用单纯形—模拟退火算法来求得小波变换各子带最优阈值,计算时无需噪声方差等先验信息,同时该方法不依赖初始阈值的选取,既获得了全局最优解,又提高了搜索效率。最后通过Matlab程序实现了小波变换的噪声抑制仿真分析,实验结果表明,与常规的4种阈值选择方法(Rigrsure、Sqtwolog、Heursure、Minimaxi)相比,本文算法确定的阈值进行小波去噪,其去噪效果无论是在信噪比(SNR)增益还是在均方根误差(RMSE)意义上均是最佳的。

单纯形-模拟退火算法

在简要介绍单纯形法基础上 ,针对模拟退火算法存在收敛慢、费机时较多的缺陷 ,将单纯形法与模拟退火算法有机地结合起来 ,形成一种新的改进型的优化算法单纯形 -模拟退火算法 ,以加快收敛速度 ,提高解的质量 ,是单纯形法与模拟退火算法各自特点的综合 .并通过算例进行了验证 .

基于单纯形-模拟退火算法的多阻尼控制器协调设计

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法。该方法以弱阻尼振荡模式构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合了模拟退火算法全局搜索能力强及单纯形算法局部收敛速度快的优点。四机典型系统上的特征根分析表明,该方法是一种有效的阻尼控制器优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性。

基于单纯形-模拟退火算法的岩土力学参数反演

为解决传统方法应用于岩土工程反分析问题时效率低、计算量大的缺点,将单纯形算法和模拟退火算法直接结合为一种混合优化算法。以测点实测值和计算值的误差建立精确罚函数模型,将有限元程序ABAQUS作为一个单独模块嵌入到优化算法程序中,编制了有限元优化反分析程序。结合工程实例应用了该优化算法,并在工程数值模型中采用开发的材料模型子程序,提高了反演参数精度。计算结果表明,该方法是可行的,与传统方法相比搜索效率显著提高,可以用于岩土工程的参数反演分析。

单纯形模拟退火算法反演地下水污染源强度

基于单纯形模拟退火混合算法(SMSA混合算法),结合污染物迁移问题的解析解反演地下水污染源的强度变化历时曲线.SMSA混合算法结合了单纯形法的确定性搜索和模拟退火算法的全局概率搜索机制,是一种高效的混合优化算法;同时采用Yeh提出的解析解,它具有可靠性强、易于编程实现和扩展性强的特点.计算结果显示,1维、2维、3维情形下点污染源的反演浓度均较好地再现了真实的污染物释放过程,这表明基于SMSA混合算法和Yeh解析解的反演方法是一种有效的地下水污染源重建方法.

单纯形—模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点,同时为了克服各自算法的弊病,提出采用单纯形—模拟退火混合算法(SMSA)进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现,并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明,SMSA算法在水文地质参数反演计算具有求解速度快,精度高的特点,而且易于实现并行运算。

基于模拟退火-单纯形法的目标函数的优化

分析了在基于互信息方法的图像配准中,目标函数产生局部极值的原因,提出以模拟退火单纯形法作为优化策略,该方法利用了单纯形法的一种修改后的形式作为模拟退火中随机变化的发生器.此外还添加了新的边界约束处理环节,最后将本方法同Powell法和边界约束采用撞壁法时的模拟退火单纯形法的实验结果做了对比,表明本方法具有更好的精确性和稳定性.

单纯形——模拟退火混合算法及其在参数估计中的应用

在综合分析单纯形算法与模拟退火算法的优缺点的基础上,将单纯形算法与模拟退火算法相结合,提出了一种单纯形——模拟退火混合算法,有效地避免了原有两种算法的缺陷,提高了参数求解的质量,并用算例验证了其在参数估计中的应用。

基于遗传-模拟退火算法的物联网链路负载均衡控制优化

研究针对物联网(IoT)系统中链路负载均衡控制问题,提出了一种基于遗传-模拟退火算法的优化方法。物联网系统中的传感器节点和数据传输链路庞大且动态变化,而不均衡的链路负载会影响系统的性能和稳定性。研究考虑了遗传算法优秀的全局搜索功能与模拟退火算法细致的局部搜索功能,使用遗传-模拟退火算法实现了对链路负载的动态调整和优化。通过实验验证,发现遗传-模拟退火算法方法相比改进蝙蝠方法和改进遗传算法,在负载均衡度方面表现更好,能够显著提高物联网系统的性能和能源利用率。

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.

基于改进模拟退火的遗传算法求解0-1背包问题

引入改进的模拟退火思想来改进遗传算法.本算法结合了遗传算法和模拟退火算法的优点,并有效地克服了各自的弱点,使其在优化性能、优化效率和可靠性方面具有明显的优越性.运用本算法求解不同种群规模的0-1背包问题,数值试验结果表明,算法既具有较快的收敛速度,又能够收敛到最优解,优于遗传算法和模拟退火算法.

路面结构模量反算的遗传-模拟退火混合算法

路面结构层模量反算是路面结构无损检测与评价的基础。本文针对遗传算法和模拟退火算法各自的特点,在传统遗传算法的搜索过程中引入模拟退火算法的Metropolis接受准则,以增强算法的全局搜索能力。在此基础上,将遗传-模拟退火混合算法应用于路面结构层材料模量的反算分析。文中分别对理论数据和实测数据进行了计算,并与目前国内外已有的路面反算软件的分析结果进行了分析比较。数值结果表明,该方法具有较强的全局收敛性,数值结果稳定可靠。

模拟退火-爬山混合算法用于无波前传感器快速像差校正

为了校正激光光束波前像差,建立了一种基于压电微变形镜的自适应光学系统。提出了用模拟退火-爬山混合算法来控制系统中37单元单压电片变形镜,补偿激光光束波前像差,实现对光斑的快速校正。提出的混合算法先使用模拟退火算法为爬山法提供一个较好的校正起点,再用爬山法对像差进行精确校正,仅需要少量的模拟退火迭代过程即可提供一个好的校正起点。由于精确校正阶段的爬山法速度快,因此获得相同校正效果需要的迭代次数比普通模拟退火算法减少了50%以上;同时由于爬山法校正起点较好,大大降低了进入局部最优值的可能。最后,实验验证了模拟退火-爬山法对激光光束波前具有更佳的校正效率。

武器-目标分配问题的模拟退火算法

武器-目标分配(WeaponTargetAssignment)问题是一个典型的优化问题,模拟退火算法是求解此问题的一种有效方法。文章采用模拟退火算法对WTA问题进行求解,通过实验得到了理想的仿真结果。

基于互信息和模拟退火——单纯形法的多谱段图像配准

不同传感器获得的图像往往没有进行空间配准,或需要融合的图像是传感器在不同时段获得的图像,因此在进行融合之前必须进行图像的配准。论文采用互信息作为相似性测度,同时针对互信息方法目标函数的局部极值问题,选用合适的直方图级数,以降低局部极值,并提出以改进的模拟退火——单纯形算法作为优化策略进行图像配准。实验证明该算法取得了较好的效果。

混沌-模拟退火算法在确定河流水质参数中的应用

将以混沌变量作为新状态产生器的模拟退火法应用于求解分析河流水团示踪试验数据,确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点,采取在内循环中增加记忆功能等改进措施,得到了满意的参数优化计算结果。

基于图形制导复杂曲面最佳适配的梯度-模拟退火算法

针对复杂曲面类毛坯与设计原形存在误差 ,提出了一种基于图形制导复杂曲面最佳适配的梯度 -模拟退火算法。该算法首先利用参数曲面的几何不变性 ,使曲面有一个较为理想的初始位置。然后使用梯度 -模拟退火算法对目标函数进行优化 ,从而实现了复杂曲面的最佳适配。最后运用实例验证了所提出的算法的可行性及有效性。

基于遗传模拟退火算法的岩土弹-粘塑性参数反分析

根据常荷载作用下当所有应变率为零时,弹-粘塑性问题可得到弹塑性解的特性,建立了岩土弹-粘塑性参数反分析模型.提出了反分析弹-粘塑性问题参数的两步法,即先利用岩土材料应力屈服函数的统一表达式确定屈服函数的系数;再利用P.Perzyna本构方程中的常用Φ函数表达式来确定岩土材料的流动系数γ和常数N.在反分析中,应用遗传算法对参数空间进行全局搜索,并借助模拟退火算法对部分最优个体进行局部搜索.通过典型的厚壁圆筒算例分析表明,这一方法是可行的.

基于链式遗传-模拟退火混合算法的电网扩展规划

将模拟退火机制引入到食物链生态进化算法,提出了链式遗传-模拟退火混合算法(CAGSAH),对种群执行并行退火操作,弥补食物链生态进化算法爬山能力不足,提高算法全局寻优能力。给出了链式遗传-模拟退火混合算法的详细计算流程,并将其应用到求解电网扩展规划问题,实际计算结果显示链式遗传-模拟退火混合算法在搜索效率及收敛性能上明显优于食物链生态进化算法。