大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。

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。

梯级水电站调度图优化的混合模拟退火遗传算法

为提高水库群联合调度时的水资源利用率,重新审核水库群系统中原有单库调度图的有效性,本文提出了一种解决库群联合调度多目标、多变量的智能优化新方法—混合模拟退火遗传算法。该方法将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相结合,提高了计算效率和精度,避免了手工修正调度图的随意性。在以实际生产项目为依托的应用与检验中,在满足各类边界条件及保证率要求的前提下,该方法对梯级水电站水库调度图的优化可行、有效,为优化梯级水库调度图提供了一种新的有效算法。

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。

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。

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。

基于模拟退火算法改进的遗传算法的金属铣削参数优化

为提高金属铣削质量,提出一种基于利用模拟退火算法改进的遗传算法的金属铣削参数优化方法。方法确定了金属铣削待优化参数为切削速度、轴向切深、径向切宽、每齿进给量,构建了以毛刺尺寸最低,铣削力最低,材料去除率最高,粗糙度最低的多目标优化模型,最后采用添加扰动的模拟退火算法改进的遗传算法,对多目标优化模型进行求解,实现了金属铣削参数优化。仿真结果表明,所提方法实现了金属铣削参数优化,铣削得到的TC4金属材料毛刺尺寸为20.07μm,铣削力在x、y、z轴方向分别为0.033, 0.028, 0.017 N,表面粗糙度为0.055μm,材料去除率为6.22 mm^(3)/min;相较于遗传算法、蚁群算法、粒子群优化算法、模拟退火算法,可提高金属铣削质量,降低铣削得到金属毛刺尺寸、铣削力、表面粗糙度,提升材料去除率。

融合模拟退火参数的自适应遗传算法求解柔性作业车间调度问题

柔性作业车间调度问题是NP难问题,一般使用最大完工时间最短的评价指标来衡量加工顺序和机器选择的优劣,最短的完工时间意味着最快的生产速度。为了减小计算量并快速找到车间调度的最优解,提出了融合模拟退火参数的自适应遗传算法,详述了该算法的关键过程,并通过数据集的仿真实验验证了该算法的有效性。

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。

基于遗传和模拟退火算法的电动汽车充电调度策略研究

针对大规模电动汽车无序充电过程中存在充电成本高、车主满意度低和充电桩利用率不均衡等问题,首先,以停车场运营商的利润和车主满意度最大化为目标,构建充电调度模型;其次,设计一种将遗传和模拟退火算法相结合的遗传模拟退火算法对模型进行求解;最后,将遗传模拟退火算法与无序充电调度策略和其他元启发式算法进行实验数值对比,验证所提算法的寻优性能,为新能源电动汽车的进一步推广提供有力依据。

基于改进K-means聚类和遗传算法的混合算法求解异构车辆路径问题

由于目前单一车型配送存在资源浪费和效率低下等问题,选取确定数量的不同车型对各客户点进行配送服务往往可以得到更优的配送路径方案。针对这一点,描述了一种异构车辆路径问题,并建立了具有固定车辆数且考虑固定成本、可变成本以及时间窗惩罚成本的混合整数规划模型。同时,提出了一种基于改进K-means聚类和遗传算法的混合算法对模型进行求解。实验仿真先求解不考虑时间窗的问题初步证明混合算法的有效性,再在带时间窗的问题中求解不同规模算例的单一及异构车型结果,以证明异构车型配送更优。最后,对该混合算法的求解结果与其他混合算法的求解结果进行对比分析,证明了混合算法的优越性。研究结果表明:该混合算法求解的异构车型结果优于单一车型,并且比其他混合算法求解的异构车型结果更优,异构车辆配送使用的配送车辆数更少,总成本也更低,该混合算法具有更好的效率和性能。

带运输的混合流水车间调度问题的改进遗传算法

为实现分布式制造环境中上下游工序和机器间的协同生产,研究了带有运输的混合流水车间调度问题。以包含加工时间、运输时间和加工等待时间的完工时间最小为目标,建立了带有运输约束的混合流水车间调度模型,基于Q-learning设计了改进的遗传算法(QGA)求解该模型。在该算法中,首先基于工件序号设计编码和遗传算子等遗传操作;然后根据种群适应度函数构建种群的状态集合,以交叉概率和变异概率的取值作为动作,以最佳个体适应度和种群平均适应度作为奖励;最后采用Q-learning对交叉和变异参数进行智能调整,提高算法的收敛速度与全局搜索能力。仿真实验结果表明,与改进的遗传算法(GA-TS)相比,本文QGA的最大完工时间平均减少了2.0%,收敛速度提升了18.1%。

基于改进遗传算法的混合流水车间批量调度问题求解

针对多品种小批量混流生产模式中生产计划调度复杂的特点,提出解决批量问题的等量分批策略,实现工件在不同工序上同时加工,缩减机器等待时间;以最大完工时间为优化目标,建立混合流水车间批量调度问题数学模型;设计求解模型的改进遗传算法,使用NEH启发式算法和随机生成结合的方式生成优质初始解,采用二元锦标赛进行选择操作,采用二元交叉法进行交叉操作,采用插入变异生成新个体,并使用贪婪插入的领域搜索算法进行局部搜索,解码时采用“子批优先+先空闲先加工”策略。发动机连杆生产案例应用结果表明,混合流水车间批量调度问题模型与改进的遗传算法正确有效。

基于启发式算法和遗传算法的三维装箱问题混合算法研究

在三维装箱问题中,启发式算法和遗传算法都能够较好地解决问题。本文在可放置点生成的启发式算法和遗传算法的基础上,将二者结合生成了新的混合算法来研究三维装箱问题,并通过真实应用场景数据对新的混合算法进行测试,混合算法的装载率和原传统算法相比稳中有增,尤其是针对货物规格种类较多的情况下,混合算法的优势更为明显。In the three-dimensional packing problem, both heuristic algorithms and genetic algorithms can effectively solve the problem. Based on the heuristic algorithm for generating placeable points and the genetic algorithm, this paper integrated the two algorithms into a new hybrid algorithm for the three-dimensional packing problem. The new hybrid algorithm was tested by real data in the application, and its loading rate was stable and had increased compared to the original traditional algorithm. Especially for cases with multiple types of goods, the advantages of the hybrid algorithm were more obvious.

基于模拟退火的混合遗传算法研究

针对常规遗传算法会出现早熟现象、局部寻优能力较差等不足,在遗传算法运行中融入模拟退火算法算子,实现了模拟退火的良好局部搜索能力与遗传算法的全局搜索能力的结合。经验证,该混合算法可以显著提高遗传算法的运行效率和优化性能。

改进的混合模拟退火—遗传算法应用于电网规划

遗传算法很适用于解决具有多目标性、非线性和整数性的电网规划问题。然而遗传算法的一些特点使得其在应用中出现了局部收敛等一些缺点。提出将模拟退火与遗传算法有机结合 ,克服了传统遗传算法难以解决的不稳定和局部收敛的问题 ,并在计算速度和精度上取得了令人满意的效果。

基于模拟退火遗传算法的内河港口船舶进出港调度方法

综合考虑基于模拟退火遗传算法的内河港口进出港调度方法,充分发挥两种算法的优势,增强模型的全局搜索能力。构建模拟遗传退火算法模型,利用船舶调动的规则,对遗传算法中的交叉算子和变异算子进行了优化。通过港口的船舶潮汐数据和泊位情况,对模型进行验证,实验结果证明,该模型可以较好的完成船舶进出港调度的任务。将该算法与其他算法进行对比,分别考虑调度船舶数量分别为20艘、30艘和40艘的情况。实验结果证明,该算法具有较好的收敛能力,在船舶的总体等待时间方面,优于其他常用调度算法和其他遗传算法。

混合遗传算法与模拟退火法

论文将适合全局搜索的遗传算法(GA)和适合局部搜索的模拟退火算法(SA)相结合,提出了混合GA-SA计算方法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法采用Gray编码以及动态自适应调节交叉概率和变异概率,提高了收敛速度,并有效防止种群早熟现象。实例验证了该算法的可行性和有效性。