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。

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。

基于粒子群-遗传混合算法的深沟球轴承优化设计

为了提高深沟球轴承的服役性能,提出一种基于粒子群-遗传混合算法的优化设计方法。其以额定动载荷和额定静载荷为目标函数,以滚动体直径、节圆直径、滚动体数目和内外圈滚道沟曲率半径系数为设计变量,基于粒子群算法,引入罚函数和遗传交叉、变异操作,解决带约束优化问题求解和局部最优问题。并以6206型轴承为算例,对优化后的轴承进行应力分析和敏感度分析。结果表明,所提出算法的收敛性能较好、优化能力较强、运算速度较快,优化后的深沟球轴承接触应力下降了31.7%,从而验证了所提出方法的有效性。

基于粒子-蚁群混合算法的截割头形状优化设计

针对EBH-150型横轴式掘进机截割头在截割过程中遇到的载荷波动问题,采用粒子-蚁群混合算法对现有抛物线形截割头进行优化设计。利用Matlab数值模拟软件,对截齿的排列参数进行多目标优化,以期减少载荷波动并提升掘进机的工作稳定性。优化结果显示,截割头的截线间距经过调整后,从外向内逐渐减小,使得单个截齿受力更为均匀。横向载荷波动降低了约62%,其他方向的载荷波动也显著降低,均超过50%。这些改进有效提高了掘进机横摆进刀的稳定性,并有助于延长截割头的使用寿命。尽管优化后的截割头在某些方向上的载荷均值有所增加,但载荷峰值降低,避免了单个截齿的过载现象。总体而言,优化设计取得了理想的效果,但仍需通过实际应用进行验证。本研究为掘进机截割头的优化设计提供了一种有效的算法支持,对于提高掘进机的工作效率和安全性能具有重要意义。

基于粒子群优化和模拟退火的混合调度算法

提出了一种离散粒子群调度算法,采用基于工序的编码方式及相应的位置和速度更新方法,使具有连续本质的粒子群算法直接适用于调度问题。针对粒子群算法容易陷入局部最优的缺陷,将其与模拟退火算法结合,得到了粒子群-模拟退火算法、改进的粒子群算法、粒子群-模拟退火交替算法以及粒子群-模拟退火协同算法等4种混合调度算法。仿真结果表明,混合算法均具有较高的求解质量。

基于模拟退火与BEHHO算法的火力分配方案优化

针对军事协同作战中对多个敌方目标火力分配优化问题,提出了一种基于模拟退火与BEHHO算法的混合算法(BEHHO Algorithm Based on Simulated Annealing,BEHHO-SA)进行求解。首先,利用模拟退火算法对BEHHO算法的每次迭代个体进行优化,提高对火力分配问题的优化效果;其次,提出一种精英约束策略,引导种群的求解方向,提高BEHHO-SA算法的收敛速度,最后,构建火力分配的数学模型,并利用BEHHO-SA算法进行多次仿真实验,证明BEHHO-SA算法搜索速度快、寻优求解效果好,能够为火力分配问题提供有效途径。

一种模拟退火和粒子群混合优化算法

针对粒子群优化算法(PSO)容易陷入局部极值点、进化后期收敛慢和优化精度较差等缺点。把模拟退火技术(SA)引入到PSO算法中,提出了一种混合优化算法。混合优化算法在各温度下依次进行PSO和SA搜索,是一种两层的串行结构。由于PSO提供了并行搜索结构,所以,混合优化算法使SA转化成并行SA算法。SA的概率突跳性保证了种群的多样性,从而防止PSO算法陷入局部极小。混合优化算法保持了PSO算法简单容易实现的特点,改善了算法的全局优化能力,提高了算法的收敛速度和计算精度。仿真结果表明,混合优化算法的优化性能优于基本PSO算法。

基于混合遗传模拟退火算法的SaaS构件优化放置

目前,对于SaaS优化放置问题的研究都是假定云环境中的虚拟机的种类和数量都是确定的,即,在限定的资源范围内进行优化.然而,在公有云环境下,SaaS提供者所需要的云资源数量是不确定的,其需要根据Iaa S提供者所提供的虚拟机种类以及被部署的SaaS构件的资源需求来确定.为此,站在SaaS提供者角度,提出一种新的SaaS构件优化放置问题模型,并采用混合遗传模拟退火算法(hybrid genetic and simulated annealing algorithm,简称HGSA)对该问题进行求解.HGSA结合了遗传算法和模拟退火算法的优点,克服了遗传算法收敛速度慢和模拟退火算法容易陷入局部最优的缺点,与单独使用遗传算法和模拟退火算法相比,实验结果表明,HGSA在求解SaaS构件优化放置问题方面具有更高的求解质量.所提出的方法为SaaS服务模式的大规模应用提供了理论与方法的支撑.

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。

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。

基于改进秃鹰优化算法的海上混合光伏波浪能转换器阵列优化

近年来,海上能源发电技术备受瞩目,一种新兴趋势是将波浪能转换器(wave energy converter,WEC)与海上光伏(offshore floating photovoltaic,OFPV)相结合,形成混合光伏-波浪能转换器系统(hybrid PV-wave energy converter,HPV-WEC)。HPV-WEC具有提高海上空间利用率,降低成本以及实现功率稳定输出等优势。为了充分利用HPV-WEC系统之间的协同效应,在不增加新设备的情况下提高能源产量,提出了一种基于改进秃鹰优化算法(improved bald eagle search algorithm,IBES)的HPV-WEC阵列布局优化策略。IBES结合了莱维飞行策略和模拟退火(simulated annealing,SA)机制,以平衡局部开发和全局探索之间的关系。为了评估IBES在优化HPV-WEC阵列方面的有效性,进行了5个浮标和8个浮标规模的阵列优化,并将IBES与其他5种算法进行了比较。实验结果表明,IBES表现出实现最大总功率输出并具有显著的收敛特性。

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。

基于混合遗传模拟退火算法的圆柱螺旋弹簧优化设计

针对复合形法等传统优化方法在全局搜索能力较弱,容易陷入局部最优解,并且最优解依赖于初始点选择的特点,提出了应用混合遗传模拟退火算法来解决这些问题。建立了某采油树阀门执行机构内部弹簧的优化设计数学模型,应用混合遗传模拟退火算法对其进行了优化设计,并与复合形法、随机方向法、模拟退火算法和遗传算法所计算的结果进行了比较。结果表明,与复合形法相比,经过混合遗传模拟退火算法优化得到的弹簧体积减小了16.01%。

基于改进模拟退火算法的混合制冷循环天然气流程优化

在研究模拟退火算法的基础上,将模拟退火算法进行改进,采用Ackley函数验证改进的效果。运用模拟退火算法和改进算法分别对混合制冷循环天然气流程进行优化仿真,在对流程参数进行有效优化后,利用该优化流程参数,对整个混合制冷循环天然气流程进行模拟仿真,得出以压缩机耗功与丙烷预冷量之和为最小目标函数的优化流程参数。证明模拟退火算法应用于混合制冷循环天然气流程的可行性和有效性。

基于模拟退火-自适应布谷鸟算法的城市公交调度优化研究

为改善城市常规公交运营效率,提出基于模拟退火-自适应布谷鸟算法的公交调度优化模型。通过结合线路实际客流数据反映的客流特征,建立考虑公交公司和乘客双方利益的公交调度优化模型;改进布谷鸟算法固定步长并加入模拟退火算法退火操作,设计模拟退火-自适应布谷鸟算法,改善寻优过程中跳出局部最优解而全局寻优的能力;以福州125路公交线路为例,将该线路客流特征数据应用于模型和求解算法中。结果表明,基于不同利益方权重下通过模型算法计算出的结果均优于现有调度方案,验证了模型及算法的有效性及实用性。

改进的混合遗传模拟退火算法及其在组合优化中的应用研究

本文分析了遗传算法和模拟退火算法的优缺点,提出了一种混合遗传模拟退火MGASA算法,对其进行了优化操作,并将该算法应用于组合优化中TSP问题的解决。经实验验证,MGASA算法优于普通的GA和SA算法。

基于混合遗传模拟退火算法的离合器蝶形压紧弹簧优化设计

针对遗传模拟退火算法的局部搜索能力不足,并且可能早熟和遗失最好解;以及传统优化算法全局性较弱,容易陷入局部解的问题。提出一种将遗传模拟退火算法和共轭方向法相结合的混合遗传模拟退火算法。在此基础上对离合器蝶形压紧弹簧优化设计进行研究,并与传统优化方法进行比较,结果表明,该方法简单可行,可为蝶形压紧弹簧以及其他产品的设计提供一种新方法。

粒子群-模拟退火混合算法在群控电梯中的应用

针对高层建筑电梯多、分布散、维修不及时等问题,提出了一个优化调度、报警维修及时的群控电梯系统;采用多目标优化方法建立数学模型,利用粒子群算法的概念简单、收敛速度快、易于实现的优点,同时引入模拟退火思想来克服粒子群算法易陷入局部最优的缺陷,对目标函数进行优化,PLC编程计算出参数,上位机调度计算,根据算法结果,优化电梯,合理调度;经过MATLAB仿真分析表明,该系统节省了平均候梯时间、平均乘梯时间和系统能耗,缩短了故障时间和维修时间,具有较大的应用前景。

一种优化的模拟退火算法解背包问题的研究

阐述了使用模拟退火算法求解0-1背包问题的算法实现过程,并对常规算法做了一些优化,提升了算法对全局最优解的“命中率”。实验结果表明,优化后的算法搜索到全局最优解的成功率明显提升。

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。