基于模拟退火的全局混合反演方法及其应用

为了增强模拟退火算法的局部搜索性能,将局部搜索能力较强的单纯形法和鲍威尔法引入模拟退火算法当中,形成了基于模拟退火的全局混合反演方法。给出了模拟退火算法与单纯形法的镶嵌式结合方式以及模拟退火算法与鲍威尔法的串行式结合方式,并对其结合步骤进行了详细的阐述,以便于编程实现。分别对模拟和实测的直流激电测深曲线进行了反演试算:对于不具有等值性的激电测深曲线,反演效果很好,模型参数的相对误差基本控制在1%以内;对于等值性较严重或含有观测误差的激电测深曲线,全局混合反演方法也不能完全克服多解性,但可以通过改变模型参数空间和算法参数进行多次反演,最终可给出合理的解估计。     

基于新型模拟退火算法的PSS参数优化方法

提出一种基于单纯形-模拟退火算法的电力系统稳定器(PSS)参数优化方法.以弱阻尼机电模式阻尼比构建目标函数,将单纯形法搜寻机理嵌入到模拟退火算法的基本步骤中,综合模拟退火算法全局搜索能力强、单纯形算法局部收敛速度快的优点.在新英格兰典型系统上的特征值分析表明,该方法是一种有效的PSS优化方法,所得的参数对系统运行方式的变化具有良好的鲁棒性.     

修正单纯形法的一种改进算法

文中给出了修正单纯形法的一种改进算法－ＣＬＸ算法，证明了其正确性；数值结果表明，新算法的计算速度大约稳定地是原修正单纯形法的三倍，因而它可代替经典的修正单纯形法。     

线性规划一种改进的对偶单纯形法

研究了线性规划对偶单纯形法的改进．根据改进原始单纯形法思想，建立了标准型线性规划对偶单纯形法的一种改进算法．与原对偶单纯形法相比，改进算法的存贮量和计算量大大减少．最后给出了方法的实算例子．     

混合优化算法

对连续函数的优化问题,本提出了一个模拟退火算法（ＳＡ）与ＰＯＷＥＬＬ直接算法相结合的混合优化算法（ＳＡ－Ｐ）,数值实验表明该算法是有效的。     

一种基于单纯形法的改进中心引力优化算法

针对中心引力算法无法在演化速度和求解质量之间做到有效均衡,提出一种基于单纯形法的改进中心引力算法.该算法通过周期性地把单纯形算子得到的最优个体迁移到中心引力算法的探测器种群中,达到中心引力算法和单纯形法(SM)的协同搜索：单纯形法借助中心引力算法跳出局部最优点,中心引力算法依靠单纯形法提高局部搜索能力.为了强化两种算法的作用,将改进的单纯形法应用到算法设计中,对算法的参数进行灵敏度分析,为中心引力算法的参数设置提供建议.通过６个典型的2～40维测试函数对算法进行测试,数值试验结果表明:新算法有效地克服了停滞现象,增强了全局搜索能力,与对比算法相比性能更佳.     

原始—对偶单纯形算法

原始——对偶单纯形算法是解线性规划问题的一种有效算法.它比原始单纯形法、两阶段单纯形法、对偶单纯形法具有更大的优越性.本文扼要介绍了原始——对偶单纯形算法及其数学模型,算法步骤和框图,并给出了算例.     

用基于模拟退火机制的多种群并行遗传算法解Job—Shop调度问题

应用一种新型的遗传算法－－基于模拟退火机制的多种群并行遗传算法对Job-Shop调度问题进行求解,通过仿真表明此算法不仅具有较强的全局收敛性,而且有更快的寻优速度,是求解复杂调度问题的有效算法。     

求解线性规划的RD算法

以摄动参数的选取为基础,提出了一种求解大规模线性规划的新算法－－ＲＤ方法。ＲＤ方法是将大规模线性规划转换为小规模线性规划,因此其收敛速度比单纯形法的收敛速度要高,并通过实际例子说明了这一点。     

一种不用人工变量单纯形法—SM—WUAV法初探

本文提出一种不用人工变量,适用于求解一般线性规划问题的单纯形法.与传统单纯形法相比,本文提出的算法,除更具通用性外,迭代次数相对减少,有时甚至明显减少.事实证明,该算法是有效的.     

遗传模拟退火算法用于浅海声速反演的仿真研究

研究了浅海声速反演中经验正交函数的参数寻优算法.通过数值仿真分析了模拟退火算法和遗传算法的优缺点,并在此基础上,提出了将二者相联合而得到遗传模拟退火算法,数值算例验证了该算法兼备二者的优点,克服了它们的缺点.以射线理论为基础,应用遗传模拟退火算法,仿真计算了浅海2种声速分布下的声速反演问题,取得了较好的结果.该方法具有不依赖初始条件且解为收敛等特点.     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

基于模拟退火算法和BP算法的神经网络在灌区地下水中的应用

为使BP网络在训练过程中能够在不降低网络训练速度的前提下,避免陷入局部极小点,采用模拟退火算法和BP算法相结合的混合算法来训练前馈人工神经网络,即先用模拟退火算法进行全局训练,再用BP算法进行精确训练,保证在不降低网络学习速度的情况下找到全局极小点,将模型应用于灌区地下水位预报中取得较满意的结果.     

一种新的自适应退火遗传算法

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能。基于这个思想提出一种新的自适应退火策略用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性。基于典型算例的仿真结果验证了该算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

并行模拟退火算法在拱坝体形优化中的应用

介绍了近年发展起来的模拟退火算法,探讨了模拟退火算法的并行化。在4台PC机搭建的并行环境下,用一个简单的数值计算例子对并行模拟退火算法进行TN试,测试结果表明并行计算明显提高了模拟退火算法的运算速度。最后,把并行模拟退火算法应用于拱坝的体形优化。     

模拟退火粒子群算法在化工过程综合中的应用

将一种模拟退火粒子群算法应用于化工过程综合。由于粒子群算法后期进化速度变慢,并易陷入局部极值点,本研究将模拟退火思想应用到粒子群算法中,通过Me-tropolis准则提高粒子跳出局部极值的能力,并在降温过程中加快了算法后期的进化速度。模拟退火粒子群算法在换热器设计实例和反应器网络综合问题中的应用结果表明,该算法的性能较粒子群算法有了较大改善,同时也表明该算法用于求解化工过程综合问题是可行和有效的。     

改进自适应遗传模拟退火算法的结构优化设计

为提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行改进.引入一种基于个体适应度值的自适应遗传算法,并将遗传算法和模拟退火算法结合形成一种混合算法,从而提高算法的运行效率和计算精度.算例表明改进的自适应遗传模拟退火混合算法较基本遗传算法更加有效.     

一种求解机组组合问题的改进免疫算法

针对传统免疫算法存在的两大缺陷:容易陷入局部最优平衡状态、进化后期搜索停滞不前。提出一种改进的免疫算法,用模糊推理来动态改变交叉、变异概率,同时把模拟退火的思想引入到算法中,采用确定性和模拟退火相结合的方法选择接种个体。实验证明,改进的免疫算法用于求解机组组合问题时,不仅不易陷入局部最优解,而且它的收敛性和效率都有所提高。