基于精英回溯-模拟退火混合算法的参数耦合变更路径优选

产品变更设计过程中参数的耦合变更不可避免,为顺利完成解耦,提高变更设计效率,提出一种基于精英回溯-模拟退火混合算法的参数耦合变更路径优选方法。首先,以产品参数及参数间的设计公式为节点,构建以零件为社区的产品参数复杂网络模型,通过对模型中参数关联的分析,建立变更传播基本模型;对特征向量中心性算法进行改进,以计算参数变更传播指数,进而结合关联传播强度及成本系数量化参数变更传播代价。在此基础上,考虑参数变更过程中耦合情况的差异性,建立产品参数耦合变更的解耦模型,通过潜在解耦参数节点对耦合的衰减作用,解决参数耦合变更问题。然后,将精英回溯算法同模拟退火算法进行混合,以一定的概率接受其他潜在传播参数作为备选参数,通过变更回溯及路径重构优选变更传播代价最小的传播路径。最后,以某型号桥式起重机小车参数耦合变更为例验证了该方法的有效性。

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。

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。

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。

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。

VLSI标准单元布局问题的增强型混合遗传模拟退火算法

提出有效处理百万个VLSI标准单元布局问题的混合遗传模拟退火算法.首先采用小规模种群、动态更新种群和交叉局部化策略,并协调全局与局部搜索,使遗传算法可处理超大规模标准单元布局问题.然后为进一步提高算法进化效率和布局结果质量,将爬山和模拟退火方法引入遗传算法框架及其算子内部流程,设计高效的线网-循环交叉算子和局部搜索算法.标准单元阵列布局侧重使用爬山法,非阵列布局侧重使用模拟退火方法.Peko suite3、Peko suite4和ISPD04标准测试电路的实验结果表明,该算法可在合理运行时间内有效提高布局结果质量.

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。

高维复杂函数的混合模拟退火全局优化策略

对于高维复杂函数优化问题,经典的优化算法存在着初始点敏感、局部收敛等问题;而模拟退火算法等智能算法则有着计算成本高昂、算法早熟等缺陷。NFL定理犤1犦预示了混合优化策略是解决实际优化问题的最好途径。该文融合了模拟退火算法和经典算法的优点,设计了高维复杂函数混合模拟退火优化策略。混合优化策略具有模拟退火算法的全局收敛性,同时引入强局部收敛经典算法作为模拟退火算法的精英个体提高算子,提高了模拟退火算法局部开采能力,加快了收敛速度。数值仿真计算结果表明,混合模拟退火策略求解高维复杂函数的性能大大优于单一算法,具有强鲁棒性、高收敛速度和高精度等优点。该文的算法设计思想对于解决实际问题有较好的借鉴意义。

采用混合遗传-模拟退火算法对 DOE 的直接设计

本文提出采用混合遗传 -模拟退火算法直接设计二元衍射光学元件 (DOE)的方法 ,并分别以高斯基模光束整形为平顶光束和高斯模光束分裂成等强两束高斯基模光束为例进行了模拟计算 ,结果显示在

混合遗传算法对BP神经网络算法的改进

介绍了用混合遗传算法对基本的BP神经网络算法进行改进的理论和实验 ,在混合遗传算法中使用了跨世代精英选择、退火算子以及自适应交叉和变异方法 ,取得了较好的效果。

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.

改进BP神经网络的混凝土构件承载力预测仿真

受到多种因素的影响,大直径混凝土受弯构件在使用期间其承载力将发生变化,为此提出大直径混凝土受弯构件承载力预测方法。确定影响大直径混凝土受弯构件承载力的五大因素,将影响因素作为输入建立用于大直径混凝土受弯构件承载力预测的BP神经网络模型,通过模拟退火-粒子群混合算法优化BP神经网络模型参数,并使用优化后BP神经网络模型完成大直径混凝土受弯构件承载力预测。实验结果表明,所提方法的大直径混凝土受弯构件承载力预测精度和效率更高,整体应用效果更好。

带有资源柔性约束的max-NPV分布式多项目调度问题

现有的分布式资源约束多项目调度问题研究中,假定全局资源限量在多项目工期内不可突破且多以工期为优化目标。针对此问题,考虑全局资源可从外部获取,以净现值为目标,构建带有全局资源柔性约束的分布式多项目调度问题的整数规划模型并设计有效的求解算法。首先,界定问题并确定项目现金流的计算方法;然后,针对求解问题的NP-hard属性,设计了遗传-模拟退火混合算法(GA_SA)求解此模型。最后,通过多组数值实验,设计不同算法与GA_SA算法进行比较,并分析了关键参数对多项目净现值的影响。结果表明,GA_SA算法具有较好的求解效果;与传统的全局资源刚性约束条件相比,全局资源柔性使用状态可以显著改善分布式多项目的收益绩效。

考虑客户等级和时变路况的无人物流配送路径

针对物流企业因配送资源的有限、无法及时应对客户的多样化需求和道路状况的不断变化等难题,建立时变道路状况和时间窗关联的无人车配送路径优化数学模型。通过云模型将客户划分为3个等级,以车辆配送成本、未满足客户配送时间的惩罚成本、车辆充电成本的总和极小化作为优化目标函数.在遗传算法的基础上,结合模拟退火算法构造混合算法,对模型进行求解并验证正确性.根据模型的特性构造9组不同规模和类型的算例进行数值实验,并验证算法的有效性.实验结果表明,混合遗传-模拟退火算法下配送过程中产生的总配送成本最多能够节省42.81%,整体客户满意度最高提升80.23%,提出混合遗传-模拟退火算法能够在有效降低成本的基础上,最大程度提升客户的满意度,并且相较于2种传统算法,其优化效果更好.

菲涅耳区衍射光学束匀滑器件的设计

采用精细化设计方法 ,进行了菲涅耳区衍射光学束匀滑器件的设计 ,利用爬山 模拟退火混合优化算法 ,获得了真实的束匀滑分布 ,不仅控制了算法采样点上的光强分布 ,还控制了其他非采样点上的光强分布。优化得到的束匀滑器件的位相深度小于π ,易于后续加工。

考虑多专业协同的装配线平衡问题研究

为改善飞机总装线平衡效果,提出考虑多专业协同分配的第一类装配线平衡方法。首先,分析各专业间的关联性,建立基于动态模糊聚类的专业划分方法,获取"资源-功能"的多专业集合;然后,根据飞机总装环境及所涉及专业的特点,建立了多专业协同分配的平衡模型;再根据专业划分结果及作业分配规则,提出了混合模拟退火-遗传算法(HSAGA),将专业间关联度高的作业分配到工作面(指专业关联度高的作业的集合,也指能完成一项装配任务的作业执行操作空间),实现工作面数的最小化;最后,以某型飞机总装作业为例,验证了平衡方法的有效性。

计及电动汽车储能特性的微电网规划模型与算法

为了研究电动汽车对微电网能量单元规划的影响,建立了考虑电动汽车储能特性的电动汽车-微电网协调规划模型,并运用粒子群-模拟退火(particle swarm optimization-simulated annealing,PSO-SA)混合算法对模型进行求解,得到经济-环境总成本最优目标下微电网系统能量单元规划结果。算例分析表明,电动汽车可作为一种移动式储能,在一定程度上代替固定式储能的作用,在微电网规划中妥善考虑电动汽车的储能特性,将有助于系统成本的降低。同时,算法对比结果显示,该文所使用的算法相较于常用算法在求解此类规划问题时具有更优的性能。