利用模拟退火实现基于MP的信号稀疏分解

信号的稀疏表示在信号处理的许多方面都有重要的应用,但稀疏分解计算量十分巨大,难以被推广而实现产业化。模拟退火算法模拟高温金属降温的热力学过程,广泛应用于求解组合优化问题。本文将模拟退火算法运用到信号的稀疏分解中,首先随机产生一组原子参数组,然后分别计算每个原子与信号或信号残差的内积的绝对值,找出内积绝对值最大的原子参数组并对它进行模拟退火处理,用处理的结果作为匹配追踪(MP)过程中每一步的最优解。在计算过程中利用原子的特性,进一步提高了信号稀疏分解的速度,并用本文提出的算法与其它方法进行了比较,实验结果表明了该算法的有效性。

基于改进遗传模拟退火的相机标定方法

针对传统的相机标定方法过于依赖初始解,多参数优化效果差、精度低等问题,提出基于改进的遗传模拟退火相机标定方法。针对相机多参数特点,结合收敛性较好的遗传算法和局部搜索能力较强的模拟退火算法,提出基于竞争力权值的自适应交叉和变异概率方法,在进化后期,基于种群趋于稳定准则,加入模拟退火机制再优化。实验结果表明,该算法优化最终平均重投影误差为0.126像素,相比粒子群算法、遗传算法以及LM梯度下降法,具有较高的精度,较大提升了收敛速度及稳定性。

混沌模拟退火算法在无功优化中的应用

为了更有效地改进处理无功优化问题的方法,提出了混沌模拟退火(CSA)算法,该算法是一种基于混沌变量的改进模拟退火算法,结合了混沌算法的全局遍历性和模拟退火算法的启发式规则,在模拟退火算法的搜索过程中加入了混沌算法的优点。利用混沌算法确定算法的初始温度,有效地减小了搜索空间,同时利用混沌算法确定模拟退火算法中的扰动准则,使算法有效跳出局部最优解。最后将混沌模拟退火算法应用于电力系统无功优化中,通过对IEEE 6和IEEE 30节点以及实际129节点系统的仿真验证了该算法应用的有效性。

基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测

提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程.采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1.对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略.两种算法结合时,SA算法处于外层,GA处于内层.GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串.数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好.因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的.

基于遗传模拟退火算法的模糊聚类方法

首先对模糊C-均值聚类算法做了简要分析和评论,根据其特点,提出了一种基于遗传模拟退火算法的聚类分析方法,从而提高了遗传算法的全局搜索能力。算法中采用了适合于模糊聚类的树型编码方案,实验表明,该算法可克服系统对数据集及初始聚类中心的敏感性,避免陷入局部极小,具有良好的准确性与可靠性,在模式识别、数据挖掘等领域有着广泛的应用前景。

基于模拟退火的BP网络隐藏层节点估算算法

单隐藏层BP神经网络在模式识别及数据挖掘等领域应用广泛,而隐藏层节点的数目受到众多因素的影响,因此节点数量的选取一直是一个复杂的问题。文章提出一种基于模拟退火算法(simulated annealing,SA)的单隐藏层BP神经网络隐藏层节点估算算法,基于经验确定隐藏节点数的下界,通过模拟退火不断增加隐藏节点个数直至算法结束,得到最优解。该方法与经验法和试凑法相比具有较强的理论依据,与遗传算法等方法相比不容易陷入局部最小值。实验证明,采用该方法估算隐藏层节点的准确率较高,速度也较快。

基于遗传算法和模拟退火算法的制造企业伙伴选择

针对制造企业的虚拟企业问题建立了伙伴选择的多目标模型.为了更好地解决该问题,通过分析遗传算法和模拟退火算法的各自特性,提出了将遗传算法和模拟退火算法两者结合来进行求解.同时,通过实例仿真结果表明了该模型和算法的可行性和正确性.

用于作业车间调度的模拟退火算法

作业车间调度问题(Job Shop Scheduling Problem,JSP)是一类NP完全问题,解决此类问题较常使用非数值算法,而模拟退火算法是其中较为突出的而且应用广泛的一种算法。本文结合车间调度问题的特点阐述了模拟退火算法在解决车间调度问题上的应用,提出了基于模拟退火算法的车间调度问题模型,并以Matlab为工具进行了仿真实验。

基于GM(1,1)模型和模拟退火算法的中长期负荷预测

分析了灰色模型(GM)和模拟退火模型(SA),GM(1,1)学习参数的计算采用最小二乘法,而最小二乘法是基于残差平方和最小寻优,容易陷入局部最小,对于非线性较强的负荷,会产生很大的偏差。提出了一种GM(1,1)与SA相结合的方法,根据模拟退火原理,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,自动优化GM(1,1)的参数,在负荷预测的实例中取得良好效果。

利用模拟退火遗传算法实现图像阈值分割

本文提出了一种利用模拟退火算法和遗传算法相结合的图像阈值分割算法,试验结果表明该算法增强了算法的全局收敛性,加快了算法的收敛速度,提高了图像阈值分割的效率.

基于模拟退火局部优化的万有引力搜索算法

为了有效地避免算法陷入局部最优解,使用模拟退火算法进行局部扩展搜索,进一步提高解的质量;有效提高万有引力搜索算法的搜索效率,最后通过仿真对比,得出结合模拟退火算法的万有引力搜索算法具有收敛速度快,精度高的特点这一结论。

基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究

为提升煤层瓦斯含量预测精度,提出一种采用遗传模拟退火算法混合优化支持向量机(SVM)参数的瓦斯含量预测模型(GRA-GASA-SVM模型)。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数,以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析(GRA)压缩数据集维度,建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明:SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型,GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。

区域电网无功优化的混沌模拟退火算法

在保证系统安全可靠的前提下,合理进行无功优化,配置无功补偿,对有效的减少配电网网络损耗,提高经济效益以及节约能源都具有重要意义。将混沌模拟退火(CSA)算法应用于区域电网无功优化,用VC++编程实现混沌模拟退火算法,通过对IEEE 6系统的仿真验证了该算法应用的有效性。

基于模拟退火算法的易逝品库存路径问题

为减少变质品数量,提高易逝品的仓储效率,进一步降低企业运营成本,在库存路径问题的基础上,研究易逝品库存路径问题。为合理安排各客户点的配送时间、配送量以及配送路径,在对该问题做若干假设的基础上,以库存、车辆等为约束条件,以系统总成本最优为目标,建立数学模型,在扫描算法的基础上运用模拟退火算法,对问题进行求解。模拟算例结果表明,该算法有效可行,结合实例分析了单位缺货成本、单位变质成本以及产品变质率对供应链系统总成本的影响。

一种基于模拟退火算法的作业车间调度算法

通过对传统模拟退火算法(SA)和移动瓶颈法(SB)各自算法流程的分析,提出了一种改进的模拟退火算法。算法以模拟退火算法为主体流程,在主体流程过程中融入改进的移动瓶颈技术,在满足接受概率下,优化待接受的解,加快算法的收敛速度。通过对JSP优化问题的仿真试验,改进后的模拟退火算法对大规模组合优化问题求解效率有很大提高。

图书供应商链联盟遗传和模拟退火算法研究

在分析我国高校图书馆图书采购供应商链的现状和参考国内外高等院校图书馆图书供应商链选择决策定量研究文献资料的基础上,构建了我国高等院校图书供应链联盟的伙伴选择多目标数学模型,并针对遗传算法和模拟退火算法的先进性和局限性进行对比研究,最终经过优化选择,将遗传算法和模拟退火算法两者结合起来进行求解,通过实例仿真,表明图书供应商链联盟应用遗传和模拟退火算法模型算法的可行性和正确性。

遗传模拟退火算法优化BP神经网络的GPS高程拟合

针对传统BP神经网络收敛速度慢、易陷入局部最优和遗传算法优化BP神经网络(GA-BP)算法过早收敛的问题,提出了遗传模拟退火算法优化BP神经网络(GSA-BP)算法.在遗传算法(GA)的种群更新中加入模拟退火算法(SA),保留种群的多样性.用GSA-BP算法对某地区进行高程异常拟合,并与BP算法和GA-BP算法结果进行比较.结果显示:GSA-BP算法精度可分别提高约51%、25%,速度提高约77%、39%,且能基本满足四等水准测量精度要求.该方法在GPS高程拟合中具有可行性.

基于模拟退火算法的船舶航向PID控制器参数优化研究

模拟退火算法(SA)是基于局部搜索算法的改进搜索算法,本文使用该方法对舶航向控制PID参数进行离线优化,利用SA算法对目标函数进行搜索迭代运算,得出优化后的PID参数,并进行MATLAB仿真实验与遗传算法(GA)和单纯形算法优化PID参数对比证明SA算法在优化PID参数的可行性和优越性,收敛时间短,系统无超调,上升快,应舵小,具有很强的鲁棒性。

基于遗传算法和模拟退火的插值马氏模型用于真核生物启动子识别

启动子识别是生物信息学领域极具挑战的问题.本文在IMC(Interpolated Markov Chin)的框架下考虑碱基的插入与缺失,采用SA(Simulated Annealing)训练转移概率,以增加模型的鲁棒性,利用GA(Genetic Algorithm)优化IMC插值系数,以克服梯度算法易于陷入局部极值点的缺陷,最后将该模型用于启动子识别,识别率在测试集达到86%.

基于SAPSO算法的集成型三端口变换器回流功率优化

占空比加双重移相控制下的交错并联Buck-Boost和双有源全桥集成的三端口变换器功率密度高、工作方式灵活、应用广泛,但是由于控制方式较为复杂,回流功率高也成为其发展的瓶颈。针对该集成型三端口变换器工作过程中存在的功率回流问题,分析了回流功率产生原理,建立了此变换器传输功率与回流功率数学模型,得到了回流功率与占空比和移相占空比的关系方程;基于此方程,采用模拟退火粒子群算法对占空比与移相角进行优化。通过运行工况为输入电压100 V、输出电压48 V、开关频率20 kHz的仿真与实验结果表明:所提方法可以实现减小回流功率的目标回流功率减少近13%,与模拟退火算法相比,该方法使集成型三端口变换器的回流功率明显降低。