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。

改进遗传模拟退火神经网络的双相机标定算法

针对双目相机标定算法中BP神经网络精度低、收敛性差的问题,提出了一种基于改进遗传模拟退火算法的BP神经网络优化方法(improved genetic simulated annealing algorithm-BP,IGSAA-BP)。该方法通过改进遗传模拟退火算法的适应度扩展,交叉、变异概率和退火准则来改善BP神经网络的性能,为BP神经网络提供了最优权值和阈值。将IGSAA-BP神经网络与BP神经网络和TGSAA-BP神经网络两种相机标定算法进行对比,利用其标定的真实值与预测值相差结果得出结论,3种标定方法进行相机标定的平均标定精度分别为0.02、0.71和0.28 mm。结果表明,IGSAA-BP神经网络可以提高双目相机的标定精度,提高全局寻优能力,加快收敛速度。

基于遗传模拟退火算法的大件公路运输路径选择优化

针对大件公路运输路径选择优化难题,以最小化运输成本为目标,在考虑带配送时间窗、客户服务时限、车辆超载惩罚、车辆载重限制、车辆容积限制的基础上,构建了大件公路运输路径选择优化模型,并提出改进遗传模拟退火算法对此类问题进行优化。该算法首先基于满足车辆容积和承载量的两层编码方式产生多个初始种群,然后各种群之间通过相互竞争实现优秀个体的迁移共享,最终搜索到最优解。最后,通过实例仿真验证了该算法解决此类特殊运输问题的有效性,并通过与其他算法进行比较,证明了该算法的先进性,为大件公路运输路径选择问题提供了新的解决思路。

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。

基于遗传模拟退火算法的压力传感器温度补偿系统

采用遗传模拟退火算法和LabVIEW技术对压力传感器的非线性和易受环境温度影响的特性进行改善,用以抑制非目标参量对压力传感器输出的影响。通过计算机仿真,此方法实现了压力传感器的温度补偿,其测量压力误差约为0.001MPa,有效地抑制了压力传感器的非线性和温度的影响。

基于模拟退火遗传算法的水文地质参数识别

水文地质参数识别是一个复杂的非线性优化问题.针对传统人工调参方法的局限性,提出了水文地质参数识别的模拟退火遗传算法,实现了水文地质参数的自动识别,提高了计算效率,较一般遗传算法具有更好的收敛性能.最后通过实例验证了该方法的可行性与有效性.

基于遗传模拟退火算法的无线传感器网络定位算法

无线传感器网络定位问题本质上是一个基于不同的距离或路径测量方法的优化问题。第一次提出了基于遗传模拟退火算法的无线传感器网络定位算法GASA-Hop,它是将遗传模拟退火算法作为DV-Hop的后期优化。其中,DV-Hop用来估计未知节点与锚节点的测量距离,GASA用来最小化与DV-Hop相关的适应度函数。仿真结果表明,本算法定位精度高、条件简单,比较适合无线传感器网络的节点定位。

基于Petri网和模拟退火遗传算法的并行测试研究

针对自动测试系统中并行测试任务调度复杂、难以优化的问题,提出了一种Petri网技术和模拟退火遗传算法相结合的任务调度优化算法。首先为并行测试系统建立时间Petri网模型,然后将激发的变迁序列集作为并行测试任务调度路径。为了得到最优路径,引入模拟退火遗传(GASA)算法进行搜索。在搜索过程中,将能激发的变迁序列作为染色体,进行选择、交叉和变异。为了防止算法出现收敛过早,陷入局部最优解的现象,还要对个体进行模拟退火操作,最后得到测试完成时间最短的任务调度序列。

基于自适应模拟退火遗传算法的传感器优化配置研究

针对传感器优化配置组合优化问题,提出了一种基于模态置信度准则MAC的优化算法——自适应模拟退火遗传算法。以模态置信度MAC矩阵的最大非对角元的值极小为目标函数,针对满足传感器数量不变的约束条件问题,提出了二重结构编码遗传算法,并将传统的模拟退火算法改良后,作为一个独立的算子置于遗传算法进化过程中;为了避免出现过早收敛的现象,引入了自适应交叉和变异概率。算例结果表明该混合算法对传感器数目与位置同时实现了优化,得到了满足不同精度要求的传感器优化配置方案。

基于模拟退火遗传算法的电动汽车网络优化调度

介绍了基于TTCAN协议的电动汽车控制网络的结构组成;在分析TTCAN协议的基础上,设计了一种利用模拟退火遗传算法进行系统矩阵优化的方法,并给出了该算法的具体实现过程;最后利用汽车工业的SAE标准报文子集对该算法进行验证,结果表明,该算法在减小网络抖动方面具有良好的效果。

基于改进遗传模拟退火算法的无功优化

针对目前电力系统无功优化算法所存在的问题,提出了一种将遗传算法与模拟退火算法及牛顿下山法相结合的混合求解算法。首先根据个体适应度值进行自适应交叉和变异操作并采用模拟退火进行个体更新,以便增加群的多样性,避免陷入局部最优;然后采用牛顿下山法加快模拟退火部分的求解过程,并采用十进制整数编码和保存最优个体法来提高计算速度和精度。以IEEE30-bus系统和一某实际电力系统为例对所提出算法的性能和求解精度进行了测试,结果表明改进的混合遗传算法比传统的遗传算法在计算速度和全局收敛方面有了很大提高。

水电站水库调度图的优化方法与应用——基于混合模拟退火遗传算法

按常规方法绘制的水库调度图相对保守,难以达到可靠性与效益的优化组合,使得水库调度图还存在一定的优化空间。提出了一种优化常规调度图的新方法——混合模拟退火遗传算法,以实现水库调度图的计算机程序式自动优化修正。该方法综合了遗传算法的全局搜索能力和模拟退火算法的局部搜索能力,提高了计算精度,避免了手工修正调度图的随意性。通过在实际生产项目中的应用与检验,证明该方法对水电站水库调度图的优化确实可靠,在满足可靠性指标以及水库综合利用要求约束的条件下,取得了可观的经济效益,为水电站实现经济运行提供了一条可行途径。

BRDF的遗传算法和遗传模拟退火算法建模及比较

结合遗传算法和模拟退火算法,构造出具有全局搜索优化特性的遗传模拟退火算法。根据空间目标表面的多组多角度双向反射分布函数(bidirectional reflectance distribution function,BRDF)实验数据和统计模型,获得样片BRDF五参数模型参数值及2D、3D的BRDF分布。比较基本遗传算法和遗传模拟退火算法在迭代次数、计算时间、参数值及精度等之间的差异并分析其原因。遗传模拟退火算法更适用于BRDF的统计建模。

基于遗传模拟退火算法的SEDC与SSDC控制参数的协调优化

针对高压直流输电系统中出现的次同步振荡(sub-synchronous oscillation,SSO)问题,利用遗传模拟退火(generation simulated anneal,GASA)算法协调优化了附加励磁阻尼控制器(supplementary excitation damping controller,SEDC)和直流次同步阻尼控制器(sub-synchronous oscillation damping controller,SSDC)的控制参数。首先基于特征值分析法,将控制参数的协同优化抽象为一个非线性规划问题;然后针对所研究的系统,建立包含SEDC和SSDC的系统状态方程,进而运用GASA算法进行求解;最后通过系统特征值分析和PSCAD仿真验证了优化参数的有效性。研究表明:协调优化后的SEDC和SSDC可以显著减小系统特征根的实部,有效抑制SSO,保证电网的安全稳定运行。

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。

基于模拟退火遗传算法的接地网故障磁场诊断方法研究

提出了一种基于磁场的接地网故障诊断方法。通过对接地网施加异频电流激励,测量接地网上方地表一个方向的磁场。根据电网络理论和毕奥沙伐定理建立了支路电阻和地表磁场的函数关系,并利用此函数关系和最小二乘法建立了以支路电阻为变量的最小二乘优化模型。为了避免初值选取对优化模型收敛性的影响,采用了模拟退火遗传算法(SAGA)对模型进行求解。通过仿真计算实验表明了该方法的可行性。

遗传模拟退火算法和混沌系统的图像加密方法

由于部分图像加密方法采用传统的置乱算法及低维混沌系统,从而会出现密钥空间较小、复杂度低等问题,导致算法易被选择明文攻击。因此,提出了一种结合遗传模拟退火算法与高维混沌系统的新型彩色图像加密算法,以获得更强的安全性能。首先使用遗传算法的选择、交叉操作来对明文图像进行处理;然后利用模拟退火算法生成的最优序列对图像进行置乱。通过这三个操作可以使置乱图像的直方图达到均衡,从而可以抵抗统计攻击。为了增强图像各层的关联性,利用彩色图像交互的方法对置乱图像进行交互式变异操作。与传统的“置乱-扩散”加密框架相比,该方法不仅可以增加加密系统的复杂度,而且可以增强加密算法对明文图像的敏感性。实验结果和性能分析表明,所设计的加密方法具有大密钥空间、高安全性和对明文图像的高敏感性,可以抵抗常见的密码分析学攻击。

基于遗传模拟退火算法的弧焊机器人系统协调路径规划

深入地研究了弧焊机器人系统的协调路径规划。从全局的角度用5元组序列描述了焊接路径。设计了评价 焊接路径目标函数:焊接位置函数、焊缝成形质量函数、关节位置函数和运动平稳性函数。以线性加权法为求解 多目标规划的基本思想,把遗传模拟退火算法用于弧焊机器人与变位机协调路径规划,取得了很好的效果。协调 路径规划精确地保证焊缝的最佳焊接位置与最佳的焊枪姿态,并能找到柔顺的焊接路径,提高了机器人焊接的质 量和效率。

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。