基于自适应遗传退火算法的配电网孤岛划分方法

含分布式电源的配电网发生故障后,孤岛运行可以保障重要负荷的供电。根据配电网结构和负荷可控性,将配电网简化为节点赋权的连通图,以恢复的重要负荷最多为主要目标,建立孤岛划分问题模型。对支路进行0-1编码,结合节点-支路关联矩阵和广度优先搜索对个体进行解码,校验各区域是否满足约束要求,计算个体适应度,并对不可行解施以惩罚,采用自适应遗传退火算法寻优来划分孤岛。算例分析表明,所提出的方法能迅速制定优化的孤岛方案,验证了其有效性。

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题。该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度。最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性。

矩形件优化排样的自适应遗传模拟退火算法

针对理论上属于NP完全问题的矩形件优化排样问题,提出了一种基于小生境技术的自适应遗传模拟退火算法。研究了将矩形件在板材上的排列方式转换为特定编码的方法,利用遗传模拟退火算法进行全局优化概率搜索,考虑到算法中交叉概率和变异概率的选择影响到算法收敛性,提出了自适应的交叉概率和变异概率,并通过小生境技术对子辈个体是否替换父辈个体加以控制,最终得到矩形件排样的最优次序和排放方式,采用最低水平线策略的启发式排样算法实现自动排样。排样实例表明,该优化排样算法行之有效,具有广泛的适应性。

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以M etropo lis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.

基于自适应退火遗传算法的车间日作业计划调度方法

遗传算法、模拟退火算法、最优个体保护法在全局收敛性、种群早熟化、收敛速度慢等方面存在应用缺陷．文中提出了自适应退火遗传算法解决车间日作业计划的调度问题．该算法针对遗传算法中组成编码串的变异概率在整个搜索过程中是固定不变的,而且取值较小,促使算法的求解过程很长,且易走向局部最小值,提出自适应变异概率的概念与理论改善遗传算法的收敛速度;针对选择算子对种群多样性的影响,提出整体退火选择的方式(Boltzmann概率选择机制)选择杂交母体,以克服种群早熟化,避免过早收敛．最后结合车间日作业计划静态调度模型给出求解算法和求解实例．

基于自适应模拟退火遗传算法的月球软着陆轨道优化

将自适应遗传算法与模拟退火算法相结合,形成一种自适应模拟退火遗传算法。该算法不但具备了自适应遗传算法的强大全局搜索能力,也拥有模拟退火算法的强大局部搜索能力。针对月球软着陆轨道优化的特点,利用一种新的参数化方法将轨道优化问题转换为非线性规划问题,并应用提出的自适应模拟退火遗传算法进行优化。数值结果表明:该算法的收敛速度快,优化精度高,且避免了初值敏感、病态梯度和局部收敛等问题,能够搜索到全局最优轨道。

求解矩形件优化排样的自适应模拟退火遗传算法

矩形件优化排样是一个NPC问题,在工业界有着广泛的应用.针对该问题,提出一种自适应模拟退火遗传算法.采用一种基于环形交叉算子和环形变异算子的自适应遗传算法来自动调整交叉和变异概率;同时引入模拟退火算法对个体适应度大于平均适应度的个体进行退火处理.自适应模拟退火遗传算法充分发挥了自适应遗传算法与模拟退火算法各自的全局搜索能力与局部搜索能力.对比实验表明,该算法结合改进的最左最下布局算法解决矩形件优化排样问题更加有效.

基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性。同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法。应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性。

基于自适应模拟退火遗传算法的多机系统PSS参数协调优化

针对基本遗传算法（SGA）易早熟收敛且收敛速度慢的问题，提出了一种改进的遗传算法——自适应模拟退火遗传算法（ASAGA）用于解决PSS参数优化问题。该算法采用轮盘赌选择和最佳个体保存策略相结合的机制，并结合自适应的交叉、变异概率，扩大种群的搜索范围，继而引入模拟退火算法，加快迭代后期的收敛速度。一个针对Kunder四机两区域系统的PSS参数优化以及暂态稳定性仿真分析的算例表明。本文所设计的PSS对各种扰动均表现出了很好性能，同时也说明了该算法较强的全局寻优能力。

基于自适应整体退火遗传算法层叠滤波器的优化设计

层叠滤波器是基于信号阈值分解而发展起来的一种具有层叠性和阈值性的新型非线性数字滤波器.层叠滤波器的优化设计过程实际上就是对正布尔函数不断调整、逐步适应图像环境的优化学习过程.原有遗传算法优化的层叠滤波器易陷于局部最优化,文中鉴于这一点,将退火因子引入到选择算子中,并根据每代优化个体的不同,自适应的选取交叉概率和变异概率,提出一种自适应整体退火遗传算法(AWAGA)优化层叠滤波器,并研究在MSE准则下优化算法的性能.仿真结果表明用AWAGA优化的层叠滤波器在处理噪声图像时,能有效地去除噪声和保持图像细节.

基于自适应模拟退火遗传算法的码垛次序规划方法

为优化直角坐标码垛机器人码垛次序,节省码垛时间,针对空间中不同类型的物料箱分散堆放与随机选取堆垛位置对拆垛堆垛作业的影响,以拆垛顺序、堆垛顺序、堆垛区域为决策变量,以整个拆垛和堆垛过程总路径最短为目标,构建了物料箱选择与堆垛位置分配的数学模型。将模拟退火算法与遗传算法进行结合改进,设计了基于自适应模拟退火遗传算法的双层启发式算法,对模型进行同步优化,并通过104个物料箱的算例仿真,得到了一组最优的码垛次序。仿真结果表明,与一组随机的码垛次序相比,对物料箱进行选择并对堆垛位置进行分配可以有效缩短工作路径,节省工作时间,模型与算法可行有效。

自适应退火遗传算法的起重机箱形梁优化

为克服标准遗传算法的固有缺陷——停滞和早熟现象,将具有较强局部收索能力的模拟退火算法融入其中,对适应函数进行退火拉伸,对接受算子进行退火处理,同时加入自适应机制来改进标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其既能根据个体适应值的大小进行自适应修正,也能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力。以最终形成了自适应退火遗传算法进行起重机主梁优化。经实例验证:与原标准遗传算法相比,在保证收敛结果不变的情况下,收敛速度和全局收敛性都得到了较大提高。

基于自适应模拟退火遗传算法的风力机翼型优化设计

遗传算法与模拟退火算法作为目前两种主要的全局寻优算法,在全局搜索与局部搜索方面有着各自的优缺点。文章结合遗传算法与模拟退火算法,在已有自适应模拟退火遗传算法的基础上,针对风力机翼型优化设计做出改进,提出一种邻域随机拓展机制,在模拟退火环节加入该机制,形成改进的自适应模拟退火遗传算法。改进的自适应模拟退火遗传算法能够提高算法优化效率,使其在相同时间内寻找到更为优质的结果。最后,给出对翼型NACA4418进行优化设计的计算实例,验证了该算法的优化效率,证明了该算法在风力机翼型优化设计中的可行性。

基于自适应GA-SA算法串联机械臂轨迹运行时间优化

针对串联机械臂工作时间最优化设计,优化算法引入自适应方法与随机邻域拓展机制,提出一种自适应遗传模拟退火(GA-SA)算法。文中选取PUMA762串联机械臂为验证对象,建立D-H参数表,依据MATLAB工具箱构建结构模型,在运动学正解模型基础上,采用蒙特卡洛法分析工作空间。以运行时间为目标设计目标函数h t,合理设置约束条件后,采用3-5-3次多项式插值法构造高阶连续关节运行轨迹,通过自适应GA-SA算法进行优化设计,结合ADAMS绘制虚拟样机模型进行仿真,优化机械臂轨迹运行时间为3.68 s,验证了算法的有效性,为后续研究奠定基础。

基于自适应模拟退火遗传算法的多杂质用水网络设计

水资源的短缺和环境污染的日益严重,对过程工业提出了减少新鲜水用量和废水排放量的要求,且通常废水中都含有多种污染物,由此本文提出了考虑回用的多杂质用水网络设计。不但建立了多杂质用水网络超结构MINLP 模型,而且针对MINLP 问题求解困难的现状,开发了自适应模拟退火遗传算法。实例研究结果表明该算法可以找到全局最优解且计算时间可满足要求。另外,该算法可有效避免陷入局部最优,也不要求提供初始可行解。

基于混合优化算法的多杂质废水回用网络的优化设计(英文)

废水回用网络(Wastewater reuse network, WWRN)的优化设计是过程工业减少废水产生的关键所在设计中所面临的主要困难是如何建立一个有效的过程流程, 使水流股能进行有效的分配, 同时保证清洗的质量。笔者提出了多杂质 WWRN 的有效优化设计方法, 建立了多杂质 WWRN 的混合整数非线性规划(MINLP, Mixed integer nonlinear programming)超结构模型。由于 MINLP 问题求解困难, 因此采用了自适应模拟退火遗传算法进行求解。该混合算法不仅克服了一般算法求解过程难于收敛或容易陷入局部最优的缺陷, 而且自适应调整步长和交叉及变异概率的策略提高了算法的计算效率。对实例的研究结果表明, 该混合算法能找到全局最优解, 且计算时间可满足要求, 另外, 该算法也不要求提供初始可行解。

自适应模拟退火遗传算法在薄膜厚度及光学常数反演中的应用

准确的测量薄膜的厚度和光学常数,在薄膜的制备、研究和应用中都是十分重要的。借助Cauchy色散模型,通过薄膜透过率测量曲线,用改进的自适应模拟退火遗传算法对透过率曲线进行全光谱拟合,从而反演得到薄膜的厚度和光学常数。对由电子束蒸发制备的TiO2单层膜和SiO2/TiO2双层膜的厚度和光学常数进行了测量计算。实验结果表明,计算得到的光学参数与实测结果相一致,厚度误差小于2nm,在560nm波长处折射率误差小于0.03。

四向穿梭车仓储系统的多订单任务调度优化

针对四向穿梭车仓储系统很难同时处理多订单任务的问题,提出一种自适应遗传退火算法对系统的作业时间模型求解,并设计一种包含多订单任务的出库顺序和货物提升机选择信息的染色体个体,解决了四向穿梭车系统同时处理多个订单任务困难的问题,实现了多订单任务的调度优化.实验结果表明,该算法优化了出库货物的出库顺序及货物提升机的选择信息,有效解决了四向穿梭车仓储系统同时处理多个订单任务的问题.

基于优化RBF神经网络的无线室内定位

针对径向基函数(Radial Basis Function,RBF)神经网络算法在无线网络室内定位中拓扑结构和网络参数难以确定,其定位效果不理想的问题,提出了一种用核主成分分析的模糊C均值聚类算法(Fuzzy C-Means clustering algorithm based on Kernel Principal Component Analysis,KPCA-FCM)和模拟退火自适应遗传算法(Simulated Annealing adaptive Genetic Algorithm,SAGA)优化RBF神经网络的无线室内定位算法。首先利用KPCA对原始训练数据样本进行数据预处理,再通过KPCA-FCM算法计算出最优聚类数目和聚类中心点;其次将聚类数目和聚类中心点作为隐含层神经元个数和中心值,创建RBF神经网络,并将其网络参数映射到SAGA算法中;再次由SAGA算法进行网络参数寻优,把最优的解映射回RBF神经网络;最后利用样本数据对RBF神经网络进行训练和测试,完成建立RBF神经网络算法模型。实验表明,在相同的环境中,所提算法比传统RBF神经网络定位精度提高了48.41%。

一类复杂网络增长态势模型建立及预测行为分析

对复杂网络的增长态势进行了研究.以投票网络为实例,给出以生物种群生长的Logistic模型为基础,综合考虑正余弦函数模拟振荡变化的复杂网络增长态势模型,提出一类自适应遗传模拟退火算法(AGASA)对模型进行改进.从混沌与分形学角度,对复杂网络的特性及其增长态势行为进行了分析,计算了投票网络的关联维数,分析了其演化过程的混沌特性,根据关联维数及奇异吸引子相近空间混沌轨道运动特性,给出了复杂网络增长态势长期预测模型.