基于GSAA算法的组合电路最大功耗估计方法

最大功耗估计问题是一个NP难题。提出的方法利用遗传模拟退火算法(GSAA)在整个解空间快速搜索问题的最优解,实现组合电路最大功耗的快速、精确估计。仿真结果表明,提出的方法比基于遗传算法(GA)的估计方法在估算精度和收敛速度上都有提高,适合于大规模组合电路最大功耗的估计。

面向低碳节能的FDM 3D打印轮廓路径规划

针对当前FDM3D打印切片过程中对轮廓路径的规划易陷入路径长度局部最优而导致能耗增加的问题,提出了一种面向低碳节能的轮廓路径规划方法。首先,根据FDM 3D打印多轮廓的打印顺序建立了轮廓路径的数学描述模型;然后,结合遗传算法收敛速度快与模拟退火算法能够接受较差解的优势,建立了基于遗传模拟退火算法的轮廓路径规划方法,包括:确定各轮廓几何中心并将其视作算法的初始点集合,通过遗传模拟退火算法求解各轮廓几何中心的最优连接路径,基于该路径确立各轮廓的打印起始点等步骤;最后,文章通过案例研究验证了所提方法的可行性。

风电场无功补偿问题的研究

研究了改善异步机风电场电压稳定性的措施。基于普通异步风机的恒速风电机组是目前应用较为广泛的风电机组,其发出有功功率的同时吸收无功功率,会导致接入风电地区电网的电压稳定性降低。采用在风电场升压站加装静止无功补偿器(SVC)的方法,控制并网点的电压水平,重点研究在不同风速和负荷下,如何确定SVC的补偿量问题。文中对风电场节点的处理较准确地反映了其无功和电压特性。提出了将遗传算法与模拟退火法相结合的遗传模拟退火算法,采用模拟退火进行个体更新,以增加群体的多样性,避免陷入局部最优。以某实际含风电场的电力系统为例对所提算法的有效性进行测试,结果表明按照该算法确定的SVC补偿量进行风电场的无功补偿,可以明显提高风电场的电压稳定性。

改进模糊聚类算法在航迹分析中的应用

为采用航迹数据分析,优化现有的空域结构,介绍使用航迹数据聚类的分析方法。在模糊C均值聚类(FCM)的基础上,提出对FCM进行基于遗传模拟退火算法(GSAA)的改进和优化。首先分析广播式自动相关监视(ADS-B)航迹数据的特点,处理异常数据并使用模糊聚类法直接提取航迹特征点;然后运用FCM与优化后的FCM对航迹特征点进行聚类分析;最后用2种算法针对同一实例进行计算,并构建对应的平均航迹。结果表明:与FCM相比,基于GSAA的改进FCM算法的目标函数值减少15.20%,聚类中心点不会偏向大量航迹数据点集中的位置。

基于SVM的微生物发酵过程软测量建模研究

微生物发酵过程中支持向量机(SVM)软测量模型的预测精度主要取决于SVM参数和输入变量优化选择。提出了一种新的SVM参数选择与输入变量选取方法,将SVM参数的选择和输入变量的选取看作组合优化问题,构造了基于赤池信息准则(AIC)的组合优化目标函数。为提高优化效率,采用遗传模拟退火算法(GSAA)来搜索最优的目标函数值。通过与网格算法、遗传算法等方法对比仿真研究表明,所提SVM微生物发酵过程软测量建模方法在微生物发酵过程的软测量建模中具有优良的性能。

目标表面可见光谱BRDF的实验测量及优化建模

介绍了一种用双向反射分布函数测定仪进行目标双向反射分布函数测量的方法。运用该测量系统在可见光谱区域对样片进行了实验测量,然后对BRDF实验数据进行谱积分预处理,结合BRDF五参数半经验统计模型,利用遗传模拟退火算法,获取样片的BRDF模型参数,并获得了三维空间的BRDF分布。结果表明,获得的可见光谱BRDF模型能准确反映材料的光散射特性,符合工程要求。

涂层表面激光散射特性的实验测量及优化建模

运用双向反射分布函数测量系统在特定激光波长下(1.06μm)对涂层目标样片进行实验测量,根据样片的BRDF实验数据,将遗传模拟退火算法应用于目标表面BRDF统计模型的参数反演中,获取样片的BRDF模型参数,并在此基础上获得上述样片BRDF的三维分布。同时比较了模型中考虑遮蔽因素与不考虑遮蔽情况下进行参数反演所得到的均方误差,反映了遮蔽效应对涂层目标表面光散射特性的影响。

光散射模型中遮蔽函数的参数反演

介绍了一种通过遗传模拟退火算法进行参数反演获取目标样片BRDF模型参数的方法。将BRDF五参数统计模型中遮蔽函数的四个参数作为未知参数,利用在激光波长下目标样片的BRDF实验测量数据,通过遗传模拟退火算法进行模型参数反演,获得上述样片BRDF统计模型的九个模型参数,结果表明,与遮蔽函数四个参数取经验值情况相比较发现,九参数BRDF统计模型的均方误差更小一些,并且通过反演出的遮蔽函数四个参数,得到上述样片在几种入射角情况下遮蔽函数随散射角的分布情况,所反演的遮蔽函数四个参数能反映材料表面的粗糙程度。

智能算法在晶体色散方程参量反演中的比较研究

为了研究智能优化算法在不同晶体材料色散方程参数反演中的迭代搜索性能问题,根据已测石英和方解石晶体的实验数据,分别采用遗传算法、模拟退火算法和遗传模拟退火算法应用于晶体色散方程的参数反演中,获得了晶体修正的塞耳迈耶尔方程的参量,同时比较了三种算法在迭代搜索性能、算法稳定性、计算时间和差方和等之间的差异,结果表明,三种算法在晶体色散方程参数反演时都可以得到满意的结果,但是,由于遗传模拟退火算法同时具备遗传算法的快速全局搜索性能和模拟退火算法的极强局部搜索性能,使得在晶体色散方程参数反演中的优化效果更优.因此在建立其它材料色散方程时建议采用遗传模拟退火算法,而且这一结果对研究混合智能算法的迭代搜索性能也是有帮助的.

光源相关色温计算方法的研究

结合色度学基本理论和遗传模拟退火算法,给出了一种关于计算光源相关色温的程序计算法和利用遗传模拟退火算法得到的计算光源相关色温的一个经验公式,运用该方法和经验公式所得到计算值和理论值相比较十分接近.可直接应用到实际光源相关色温的计算中.

GASA-PSO优化算法共振稀疏分解齿轮故障诊断研究

针对齿轮箱齿轮早期微弱故障信号在恶劣工况下信噪比降低、故障特征不明显、提取困难等问题,提出一种基于遗传模拟退火算法与粒子群算法融合的共振稀疏分解故障诊断方法,对成分复杂、存在模态混叠的非平稳齿轮箱振动信号进行分析。建立齿轮箱故障模型,模拟齿轮故障信号,将遗传模拟退火算法与粒子群融合算法对品质因子全局快速寻优,利用最匹配品质因子对齿轮振动信号分离得到高、低共振分量与残差分量,对低共振分量做Hilbert包络分析,得到冲击脉冲信号,进而对齿轮箱进行故障诊断;利用MATLAB仿真分析与实验证明,所提出的方法可以有效提取齿轮箱早期微弱的故障信号,具有较高的分离精度,实现齿轮微弱故障诊断,证明了该方法的可行性与有效性。

基于混合蚁群与遗传模拟退火的QoS组播路由算法

对于网络业务,服务质量(QoS)包括传输的带宽、传送的时延、数据的丢包率等。通过使用蚁群算法的自组织能力自动搜寻得到备选路径集,结合遗传模拟退火算法(GSAA)对产生的这些备选路径进行选择、交叉、变异、模拟退火来产生的一个路由协议综合缩短网络的路径消耗以及提高网络传输的服务质量。

部分传输序列的遗传模拟退火搜索方法

在正交频分复用(OFDM)系统中,基于遗传算法的部分传输序列(GA-PTS)技术有效地降低了PTS的计算复杂度,但在改进峰值-平均功率比(PAPR)性能方面却并不理想。为此,提出在遗传算法中嵌入模拟退火(SA)算子从而构造一种混合的遗传模拟退火(GSA)算法,并把它应用于对PTS的最优相位因子进行搜索。首先,通过对PTS相位因子编码形成染色体,采用随机元素组成的染色体作为遗传算法的初始群体,并评估每个染色体的适应度值。然后,根据适应度值选择染色体,建立染色体的变异规则和交叉规则,对群体进行迭代进化。最后,群体中的染色体利用退火温度进行更新,从而产生出新的下一代种群。仿真结果说明,与GA-PTS方案相比,该方法不仅能降低计算负担,而且能够有效地降低OFDM系统PAPR值。

改进的遗传模拟退火算法优化光组播网络编码

网络编码可以提高WDM光网络有限数目波长转换器的利用率,但是网络编码操作将增加光域运算开销、复杂度和缓存需求。为了达到光组播容量条件下尽可能减少网络编码的次数,结合遗传算法和基于模拟退火的个体接受策略,提出一种改进的遗传模拟退火算法(GSAA)。算法通过设计一个既能满足最大组播吞吐量又考虑波长连续性约束路由的算法适应度函数实现网络编码次数减少;为保证种群空间中部分染色体可行性,算法在初始种群中加入一部分可行人工染色体;为了提高算法的局部搜索能力和收敛速度,算法在迭代过程中设计了一个局部搜索过程和自适应变异操作。仿真结果表明:改进的GSAA在收敛速度、网络编码次数等方面优于其它遗传算法。