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。

基于改进模拟退火遗传算法的路径规划问题研究

为了解决复杂环境中的路径规划问题,通过引入并改进模拟退火算法与遗传算法相结合的混合优化策略,以克服传统路径规划算法在全局搜索能力、收敛速度及避免局部最优解方面的局限性,提出了一种基于改进模拟退火遗传算法的路径规划方法。在遗传算法框架内,通过编码方式表示路径,并利用选择、交叉和变异等遗传操作生成新的路径种群。为增强全局搜索能力和跳出局部最优解的能力,引入了模拟退火机制,在遗传算法的交叉和变异操作中融入模拟退火的概率接受准则,允许以一定概率接受较差的解,从而增加种群的多样性。研究过程中,首先设计并实现了改进的模拟退火遗传算法,并设置了对比实验,包括单独使用遗传算法、模拟退火算法以及模拟退火遗传算法进行对比分析。实验结果表明,与单独使用遗传算法和模拟退火算法相比,改进模拟退火遗传算法在复杂环境中的路径规划问题上展现出了显著的优势,有效提升了算法的全局搜索能力、最优解准确度和收敛速度,同时增强了算法对复杂环境的适应能力。

结合模拟退火算法与遗传算法的动态协同路径规划研究

船舶的动态协同路径规划是船舶安全航行的重要保证。本文对多船舶交汇且航线上存在障碍物情况下的船舶动态路径规划进行研究,对动态协同路径规划进行数学描述,使用模拟退火算法、遗传算法对静态路径规划进行仿真,并对仿真结果进行对比和分析。提出多船交汇的协同策略,以两船交汇动态协同路径规划为例进行仿真研究。结果表明,2种算法均可实现船舶路径规划,在多船交汇时船舶能够按照规划的路线主动转向,并最终实现安全航行。

明长城动态修复的遗传模拟退火算法

明长城辽宁段修复调度可采用遗传模拟退火算法来解决。样本数据开发针对明长城辽宁段的修复,综合考虑构造遗传模拟退火算法的适应度函数,其前提是明长城成本和明长城辽宁段修复等因素的初始化和操作,从而合成明长城辽宁段调度表。经过对明长城辽宁段修复的实践验证,这是一种行之有效的办法。

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。

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。

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。

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。

改进遗传模拟退火神经网络的双相机标定算法

针对双目相机标定算法中BP神经网络精度低、收敛性差的问题,提出了一种基于改进遗传模拟退火算法的BP神经网络优化方法(improved genetic simulated annealing algorithm-BP,IGSAA-BP)。该方法通过改进遗传模拟退火算法的适应度扩展,交叉、变异概率和退火准则来改善BP神经网络的性能,为BP神经网络提供了最优权值和阈值。将IGSAA-BP神经网络与BP神经网络和TGSAA-BP神经网络两种相机标定算法进行对比,利用其标定的真实值与预测值相差结果得出结论,3种标定方法进行相机标定的平均标定精度分别为0.02、0.71和0.28 mm。结果表明,IGSAA-BP神经网络可以提高双目相机的标定精度,提高全局寻优能力,加快收敛速度。

基于模拟退火-遗传算法优化随机森林模型联合多维度特征融合法在肺癌诊断中的应用

目的 提出一种模拟退火-遗传算法优化随机森林(Simulated Annealing Genetic Algorithm Optimized Random Forest Model,SAGA-RF)模型联合多维度特征融合法,为肺癌的诊断提供参考。方法 选取2019年1月1日至2022年4月30日于中国人民解放军东部战区总医院呼吸内科确诊的原发性肺癌患者477例及同期收治的非肺癌患者477例为研究对象,收集并整理临床医学、医学影像学、流行病学以及血液检验学特征,使用主成分分析对特征集进行降维处理,并建立SAGA-RF、反向传播(Back Propagation,BP)神经网络模型、支持向量机(Support Vector Machine,SVM)模型以及偏最小二乘判别分析(Partial Least Squares Discrimination Analysis,PLS-DA)模型对样本集进行训练和测试,比较不同模型的诊断效能。结果 SAGA-RF模型对样本识别准确度、灵敏度、特异性分别可达91.26%、93.71%以及88.81%;阳性预测值和阴性预测值分别可达到89.33%、93.38%;曲线下面积(Area Under Curve,AUC)为0.91(95%CI:0.88~0.95);SAGA-RF模型识别效果优于BP神经网络模型、SVM模型以及PLS-DA模型。结论 多维度特征融合联合SAGA-RF模型对肺癌诊断准确度、灵敏度、特异性、阳性预测值、阴性预测值以及AUC值均优于常规识别方法,可为肺癌的诊断提供参考。

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。

基于权重扰动机制模拟退火遗传算法的景德镇陶瓷文化景区旅游路径规划

针对景德镇陶瓷文化景区设计一条合理的旅游路线,有利于提高该城市知名度和文化传承度,而传统路径规划算法在旅游路线规划方面往往存在规划精度较低、时间复杂度高等缺陷。为此,提出一种基于权重扰动机制的模拟退火遗传算法(WDMAGA)。WDMAGA在路径评价准则中引入权重扰动机制的路径长度变化函数,融入模拟退火算法中的温度退火因子,使每条路径的评价值更接近真实环境。同时,根据余弦函数和指数函数的变化规律,分别设计含有模拟退火因子的交叉与变异过程,使种群适应度随搜索过程自适应变化。仿真测试结果表明,在对景德镇陶瓷文化景区进行旅游路径规划过程中,WDMAGA算法能够快速有效地规划出一条较为符合实际情况的旅游路径。

基于遗传模拟退火算法的电动汽车充电调度方法研究

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的利用率不均衡等问题,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,设计一种遗传模拟退火算法(Genetic Simulated Annealing Algo⁃rithm,GASA)对模型进行求解,将GASA算法与无序充电调度策略和两种常见元启发式算法进行实验数值对比,验证了所提算法的寻优性能,为推动新能源电动汽车的进一步推广提供了有力依据。

基于模拟退火算法的民航运输路径优化技术研究

传统民航路径的选择主要依靠人工方法来进行,其不仅存在较强的主观性、容易出错,还会增加额外的成本。针对上述缺点,建立了一种带时间窗的民航运输路径模型。同时将模拟退火算法与遗传算法相结合,使模型兼具局部求解与全局求解的能力。在对算法进行改进的层面上,使用混沌公式初始化种群,并利用自适应函数来实时优化交叉算子及变异算子,进而有效提高了算法的收敛速度及求解准确度。实验结果表明,采用所提算法优化得到的班机数量准确度与实际值最为接近。且迭代结果也证明了该算法的局部和全局求解能力均较为出色,故可应用于实际民航运输路径的优化问题中。