一种基于退火策略的混沌神经网络优化算法

Hopfield网络 (HNN)中引入混沌机制 ,首先在混沌动态下粗搜索 ,并利用退火策略控制混沌动态退出和逆分岔出现 ,进而HNN梯度优化搜索 ,提出了一种具有随机性和确定性并存的优化算法 .对经典旅行商 (TSP)的研究 ,表明算法具有很强的克服陷入局部极小能力 ,较大程度提高了优化、时间和对初值的鲁棒性能 ,同时给出了模型参数对性能影响的一些结论 .

设计自适应IIR滤波器的单纯形-退火策略

作为信号处理领域的重要研究课题 ,滤波器设计本质上是一个多维参数寻优问题 ,且往往存在多极小。传统最小二乘法和单纯形法易陷入局部极小 ,而单一模拟退火算法搜索过程冗长 ,单一遗传算法易早熟收敛。结合模拟退火的随机概率突跳性搜索和单纯形法的凸多面体几何搜索 ,提出了有效设计自适应IIR滤波器的一种简单易实现的单纯形 退火策略 (simplexmethod simulatedannealing ,SMSA) ,并给出了算法操作和参数的合理设计方案。基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究 ,验证了所提方法的有效性、全局优化性和初值鲁棒性。

基于退火策略的混沌神经网络及其在TSP中的应用

本文主要研究混沌模拟退火神经网络 (CSAN)在求解 TSP中的应用 .我们采用了四种 CSAN模型 ,分别将它们对 15、2 0、5 0个城市的 TSP求解结果比较 ,并研究其模型参数的设置对 TSP优化解的影响 .仿真结果表明 ,CSAN比HNN具有更丰富和更为灵活的动力学特性 。

模拟退火算法中的退火策略研究

退火策略是模拟退火算法中的重要一环,本文将研究退火策略对模拟退火算法的影响问题,给出了MATLAB语言程序,典型复杂函数优化的仿真表明退火速率应适中。

基于退火策略的混沌神经网络在解KTSP问题中的应用

研究优化求解多路TSP问题(KTSP)。首先求出将KTSP转化成TSP的换位矩阵,然后用基于退火策略的混沌神经网络(ACNN)模型求解KTSP。仿真结果表明算法是有效的。

基于加速模拟退火策略的Agent协商优化算法

网络的普及促进了电子商务的发展 ,而智能代理是电子商务的关键 ,如何实现智能代理的快速、高效协商是一个很重要的问题。本文在加速模拟退火策略的基础上 ,提出了一种Agent协商优化算法。理论分析和仿真实验都表明该算法是一个快速、有效的方法。

基于退火策略的暂态混沌神经网络算法及其在FDP中的应用

影片递送问题(简称FDP)是组合优化的一个新问题,它比旅行商问题(TSP)复杂的多,它可以推广到一大类路径和排序问题。文章给出了一种解FDP问题的混沌神经网络算法,该算法首先将FDP问题转换成TSP问题,然后利用神经元的自抑制反馈产生混沌动态,构造具有暂态混沌特性的神经网络算法(TCNN)。由于混沌的遍历性和随机搜索性有效地克服了Hopfield神经网络(HNN)极易陷入局部极小的缺陷;同时利用一时变参数控制混沌行为,使网络在经过一个短暂的倍周期倒分岔后逐渐趋于一般的神经网络,从而收敛到一个最优或近似最优的稳定平衡点。仿真表明,该算法具有更强的全局搜索能力和更高的搜索效率。

一种径向基混沌神经网络的分段退火策略

采用Sigmoid与一种径向基函数即逆多二次函数加和形式作为激励函数,分析了该新型混沌神经网络神经元模型的动力学特性,研究了分段线性模拟退火策略,合理改善了模拟退火参数取值不宜过大或过小的问题;利用分段收敛方案改进了该新型径向基混沌神经网络,并将其应用于解决TSP(旅行商最短路径问题),改进后的网络能够保证合法路径比例的同时,可以以较快的速度收敛到最优解,由此说明此方案的可行性及有效性。

融合模拟退火策略的萤火虫优化算法（英文）

萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法虽已在复杂函数优化方面取得了成功,但也存在着易于陷入局部最优且进化后期收敛速度慢等问题,而模拟退火机制具有很强的全局搜索能力,结合两者的优缺点,提出一种融合模拟退火策略的萤火虫优化算法。改进后的算法在萤火虫算法全局搜索过程中融入模拟退火搜索机制,在局部搜索过程中采用了回火策略,改善寻优精度,改进了萤火虫算法的全局搜索性能和局部搜索性能。仿真实验结果表明:改进后的算法在收敛速度和解的精度方面有了显著地提高,证明了算法改进的可行性和有效性。

基于退火策略的分布式资源负载均衡算法

针对分布式资源导致的访问热点等一系列问题,建立了一个用于分布式资源退火的处理模型。根据该模型,提出了基于退火策略的分布式资源负载均衡算法;该算法通过访问分类、定向扩散等方法提高了系统性能。性能及试验分析表明,该算法能够减少系统内部通信量,抑制资源扩散的抖动现象等。

基于A-SA-WOA算法的直流微电网全钒液流电池储能系统功率分配策略

全钒液流储能系统能够平抑直流微电网中光伏、风力发电引起的功率波动,该系统中功率的合理分配问题可以通过有效的控制策略去解决,进而实现提高储能系统运行效率的目的。首先,在荷电状态和功率平衡的约束条件下,建立以储能系统总成本及平均损耗率最低,荷电状态均衡度最好的优化目标函数;然后,提出基于自适应权重和模拟退火策略的鲸鱼优化算法(A-SA-WOA)功率分配策略;最后,将分配策略应用在场景1和场景2算例下运行仿真,并与传统策略进行对比分析。结果表明,该优化分配策略有效地降低了储能电池单元的运行成本和折损率,电池充放电次数明显减少,且荷电状态一致性较好。A-SA-WOA分配策略比传统策略下的目标值收敛速度快,验证了所提优化方法的准确性和模型的适用性。

一种基于参数扰动退火策略的神经网络全局优化新算法

针对非线性全局优化问题 ,提出了一种新算法 :它采用参数扰动策略 ,使 Hopfield神经网络克服局部极值点的吸引 ,同时对参数扰动采用模拟退火算法 ,使扰动逐渐减小 ,直到扰动不能对最优解和最优值产生影响 ,从而得到全局最优解。通过对大量测试函数的仿真计算 ,充分体现了新算法在速度、精度和适应性方面的优势。本文还对算法的收剑性进行了理论分析。

基于改进ResNet34网络的变电站设备巡检图像分类识别的方法

针对变电站设备巡检图像识别领域中存在的图像规模有限和识别准确率低等问题,提出了一种基于改进ResNet34网络的图像分类识别方法。采用Seam Carving算法对图像中的低能量区域进行压缩以保留关键特征;同时使用弹性变换、高斯噪声等6种图像增强技术来增强图像的多样性。将基础ResNet34网络与卷积注意力模块结合,增强模型对设备巡检图像关键特征的提取能力。使用在ImageNet数据集上的预训练模型作为迁移学习的特征提取器来解决样本数量不足的问题。在Adam优化器中引入余弦退火策略来动态调整学习率使改进的ResNet34网络更快收敛至最优解。试验结果表明所提方法比基础ResNet34网络的准确率提升了0.0733,损失率降低了0.2019,为变电站设备巡检图像识别领域提供了一种可靠的解决方案。

邻域退火粒子群算法在配电网重构中的应用

为求解多目标非线性整数组合优化的配电网络重构问题,建立了以电压均衡指数和网损为目标的配电网重构数学模型。为了克服粒子群算法容易局部收敛的不足,提出了一种基于正态分布的局优邻域闭锁方法的退火技术的粒子群算法(LA-PSO),改进了扰动机制,设计了自适应退火策略,对邻域内的粒子执行并行化退火操作,从而弥补粒子群算法爬山能力的不足,提高了算法的全局寻优能力。用3个不同规模的算例测试提出的算法并与基本算法的性能进行了比较。结果表明,该算法有效改进了粒子群优化算法的局部收敛问题,与单一算法相比,在收敛特性、全局寻优能力和稳定性等方面都有所提高。

基于模拟退火遗传算法的主题爬虫搜索策略研究

以何种策略访问网络,提高搜索效率,是近年来主题搜索引擎研究的主要问题之一。本文对主题爬虫常用搜索策略进行了简单分析,提出了实用性较强的基于SAGA的主题爬虫搜索策略。

无源电力滤波器参数的混沌模拟退火优化设计

提出引入混沌模拟退火策略来进行无源电力滤波器的多目标参数优化设计。分析了无源电力滤波器参数设计的一般原则,综合滤波器投资、无功补偿功率、滤波后谐波含量给出了多目标优化函数,采用比例-加权原则进行多目标的协调,构造出综合性能目标函数;利用混沌的随机性和遍历性,同时结合模拟退火的方向性与选择性,提出了Logistic混沌映射与模拟退火策略相结合的参数优化设计方法,进一步详细分析了该算法的基本原理,归纳出具体可行的计算与操作步骤;开发出了实用程序,介绍了应用实例,并将不同优化方法进行了对比,结果验证了该方法设计出的无源电力滤波器具有良好的综合性能。

基于改进SARSA算法的航空器滑行路径规划

航空器滑行是机场运行中最重要的一环,缩短滑行时间也是提高机场运行效率的主要手段。为了改变仅依靠人工进行机坪管制的现状,文章针对航空器滑行的特殊环境,利用改进SARSA算法对航空器的滑行路径进行规划,并通过仿真验证了该算法在规划路径长度和迭代次数方面优于传统SARSA算法,进而更好地为管制员决策提供辅助参考。

一种分片混沌贪婪振荡退火TSP优化算法

引入自适应升温策略或使用蒙特卡罗策略的模拟退火算法在复杂TSP求解时分别表现出收敛缓慢和全局最优逼近能力有限的问题;而现有的混沌优化算法由于logistic映射的缺陷,削弱了其跳出局部最优的能力。故设计一种融合型算法框架,在框架中嵌入分片Lorenz混沌映射系统,加强混沌算法对邻域解的搜索均匀度;引入了贪婪策略构造逼近全局最优解的初始解,使算法具有跃迁到全局最优解邻域的能力;此外设计了振荡退火互补机制,改善了子迭代解筛选过程,增强算法全局搜索性能。实现算法后,使用国际公开TSPLIB算例,经过多轮对比测试,验证了新算法对TSP的求解性能指标优于对比组模拟退火算法和logistic混沌优化算法,具有更短的收敛时间和更强的全局最优逼近能力。

基于改进粒子群算法的云计算调度策略

云计算调度策略是一种将海量计算任务分配到各个计算资源上的模型。粒子群优化算法作为一种随机全局搜索算法在云计算中广泛应用,然而其仍存在参数依赖人为设定、前期全局搜索能力不足、后期收敛速度缓慢等问题。针对上述问题,提出了基于模拟退火策略与自适应权重策略的优化方法,旨在提高粒子群调度算法的自我优化能力。通过引入上述策略,对粒子群算法中的学习因子、速度增长等参数进行实时控制,完成算法迭代优化。实验表明,在CloudSim平台中该优化策略增强粒子群中每个粒子的学习能力,与优化前相比执行速度更快,精确度更高。

基于模拟退火的覆盖件回弹预测

从能量逐渐降低使物质系统向新的平衡状态转移的观点出发,根据覆盖件冲压成形后回弹过程与金属退火过程的强烈相似性,提出用模拟退火法对覆盖件进行回弹预测的思想。设计出一种混合模拟退火算法(BFGS-SA)用于解决设计变量数目较多的覆盖件回弹预测问题,该算法将变尺度的局部优化法(Broyden fletcher goldfarb shann,BFGS)与模拟退火法(Simulated annealing,SA)相结合,充分发挥前者局部寻优能力较强、计算效率高、编程简单以及后者通用性好、容易跳出局部最优陷阱以获得高精度全局最优解的优势。并建立相应的优化模型和退火控制策略。通过对实例仿真计算结果与实际测量结果的比较,验证了所提出回弹预测方案的合理性及回弹预测算法的有效性。