基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

模拟退火算法求解指派问题新探

模拟退火算法是一种随机搜索算法,能渐进地收敛于全局最优解.指派问题是组合优化问题中的一种,可用模拟退火算法来解此问题.模拟退火算法解决指派问题时,需要考虑实现此算法的技术问题,例如解的形式、初始温度的计算等.实验结果表明,该方法能够以一定的概率跳出局部最优,从而实现全局寻优.     

基于MRF的SMT焊点区域分割的研究

基于马尔可夫随机场（MRF）图像分割模型,该文提出了一种能够较好分割出表面贴装技术（SMT）焊点区域的分割算法,即基于Gibbs采样的模拟退火算法,并讨论了影响图像分割效果的主要因素,最后将该算法与传统的Gibbs采样算法以及模拟退火算法进行比较。实验结果表明,该算法通过少量人工干预、降低采样维度,从而减少了优化收敛时间,能最快地收敛到全局最优,分割成功率较高,结果较为精确,为进一步的焊点质量分析提供了保证。     

基于自适应粒子群算法的机器人路径规划

针对粒子群算法在解决机器人路径规划中存在的路径易陷入局部最优、路径搜索后期收敛速度慢以及路径不平滑的问题,提出了一种基于模拟退火的改进自适应粒子群算法,该算法结合了模拟退火算法和粒子群算法的优点,路径搜索前期路径搜索速度快,路径搜索过程中路径具有概率突跳的能力,能够有效地避免陷入局部最优路径,而且利用3次样条插值使路径平滑,路径搜索后期路径收敛精度也很高。仿真结果表明,该算法在不同障碍物模型中均能够快速找到最短的平滑路径,而且效果优于传统方法。     

基于粒子群与模拟退火相结合的无功优化算法

针对电力系统无功优化采用粒子群算法容易陷入局部最优、模拟退火算法约束条件多和收敛速度慢的问题,提出一种新的基于粒子群与模拟退火相结合的算法.该算法根据粒子群的易实现性、快速收敛性及模拟退火的全局收敛性,进行协同搜索,求取系统无功优化的解集.对IEEE14、57、118节点系统进行了无功优化仿真计算,结果表明该算法原理简单易实现,计算效率高且能获得质量更高的解.     

基于粒子群与模拟退火相结合的无功优化算法

针对电力系统无功优化采用粒子群算法容易陷入局部最优、模拟退火算法约束条件多和收敛速度慢的问题,提出一种新的基于粒子群与模拟退火相结合的算法.该算法根据粒子群的易实现性、快速收敛性及模拟退火的全局收敛性,进行协同搜索,求取系统无功优化的解集.对IEEE14、57、118节点系统进行了无功优化仿真计算,结果表明该算法原理简单易实现,计算效率高且能获得质量更高的解.     

基于模拟退火的Gauss-Newton算法神经网络在短期负荷预测中的应用

针对一般BP网络存在的一些缺陷,首次提出了利用基于模拟退火的Gauss-Newton算法的神经网络预测电力系统短期负荷,并编制了通用程序.在相同的初始条件下,用基于模拟退火的Gauss-Newton算法的神经网络和自适应学习率附加动量法神经网络进行了比较,得出前者的特点和优点:一次性求解权值和偏差,收敛快,精度高,收敛于全局最优解.在算例中,基于人工神经网络的非线性特点进行了负荷预测,通过和真实值的比较说明本方法预测结果精度很高,从而更进一步验证了该方法应用于短期负荷预测的可靠性和优势.     

基于距离测度的实数编码自适应遗传退火算法

提出一种基于距离测度的实数编码自适应遗传退火算法,根据个体的距离密集度自适应地确定其交叉概率和变异概率.空间距离密集度越高的个体,其交叉概率和变异概率也越高.算法引入模拟退火机制,在遗传进化过程中的每一代,对最优个体进行邻域局部寻优,利用模拟退火进一步改善算法的收敛性能.对带边界约束函数优化问题进行了仿真计算,结果表明该算法有效.     

基于一类改进遗传算法的进化神经网络研究

分析传统遗传算法易早熟收敛的主要原因,提出一类改进的遗传算法以及一种基于改进遗传算法的前馈神经网络设计方法,用以同时完成对网络结构空间和权值空间的搜索。该算法将普通遗传算法的交叉算子和遗传算子进行改进,利用模拟退火算法、BP算法和小生境技术来加快算法的收敛速度,改善解的性能。通过对异或(XOR)、噪声模式识别等前馈神经网络性能的一组测试,与BP算法进行比较,实验结果表明,该算法能够有效抑制遗传算法初期收敛的发生,有效地提高多层前馈神经网络的收敛精度和收敛速度,由此得到的神经网络的泛化能力也较好,能够达到根据训练样本自动优化设计多层前馈式神经网络的目的,并可获得更为简洁的网络结构。     

一种改进的模拟退火图像盲复原算法

通过分析均匀分布与Cauchy分布的分布机制,提出了一种改进的模拟退火图像盲复原算法,该算法选择Cauchy分布为随机扰动量来产生状态扰动函数。通过计算机仿真,验证了该算法对初值的鲁棒性和复原的效果优于基于均匀分布随机扰动量模拟退火盲解卷积算法,提高了收敛到最优解的速度。     

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．     

基于模拟退火遗传算法的FIR数字滤波器设计

研究了用模拟退火遗传算法来设计FIR数字滤波器，并针对算法在寻优过程中，参数搜索缓慢的特点提出了改进方法，该方法在一定程度上提高了算法的搜索性能．并结合FIR低通数字滤波器的设计给出了仿真结果。     

电网故障诊断的遗传模拟退火算法研究

针对电网出现的复杂故障,如断路器和保护不正常动作或多重故障等情况,结合新的故障诊断优化模型,应用遗传模拟退火优化算法进行故障诊断,寻找使构造的目标函数最小的最优解.将遗传算法和模拟退火算法结合,有效避免了遗传算法过早收敛和模拟退火算法全局搜索较差的缺点,解决了电网故障诊断结果多解和漏解的情况,实现了电网断路器和保护不正常动作的故障诊断.     

基于遗传模拟退火算法的最大功率点跟踪研究

通过分析太阳能光伏发电系统的工作特征和现有的最大功率点跟踪(MPPT)方法,提出了一种基于遗传模拟退火算法的光伏发电系统MPPT方法.该算法将遗传算法和模拟退火算法相结合,通过将局部搜索过程引入遗传算法,从而使两种算法的搜索能力得到互相补充.针对某光伏发电系统的MPPT问题,通过仿真,将遗传模拟退火算法和遗传算法进行比较.仿真结果显示,遗传模拟退火算法和传统的遗传算法相比,能更快速、精确地跟踪到光伏系统的最大功率点.     

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.     

单纯形—模拟退火算法

在简要介绍单纯形法基础上,针对模拟退火算法存在收敛慢、费机时较多的缺陷,将单纯形法与模拟退火算法有机地结合起来,形成一种新的改进造型的优化算法－单纯形－模拟退火算法,以加快速敛速度,提高解的质量,是单纯形法与模拟退火算法各自特点的综合,并通过算例进行了验证。     

混合遗传算法的电力系统无功优化

针对遗传算法（GA）的局限性，提出了一种应用于电力系统无功优化问题的混合遗传算法（GASA）。实施了最优保留策略，改进交叉和变异操作，并结合模拟退火算法（SA）的Metropolis判别准则的复制策略，使寻优过程能够跳出局部最优解，从而形成了混合遗传算法。优化过程中考虑了电力系统无功优化自身特点，提高了计算效率。对IEEE30节点系统的仿真表明：该算法能够有效地提高收敛速度，避免早熟收敛。     

基于遗传模拟退火算法的结构可靠性分析

为了克服一次二矩法在迭代求可靠性指标时可能不收敛或收敛于局部验算点的缺点以及现有遗传算法局部搜索效率不高的问题,提出了采用混合模拟退火与遗传算法计算结构可靠性的新方法.先采用遗传算法开始随机搜索,通过选择、交叉、变异等遗传操作产生新的个体,再对这些个体分别进行模拟退火,以其结果作为下一代群体中的个体.结合有限元计算,给出了船舶三维空间梁板结构的功能函数,并采用遗传模拟退火算法求结构可靠性指标.算例分析表明该方法计算精度高,为求解结构可靠性指标提供了一种新的思路.     

基于链式遗传-模拟退火混合算法的电网扩展规划

将模拟退火机制引入到食物链生态进化算法,提出了链式遗传-模拟退火混合算法（CAGSAH）,对种群执行并行退火操作,弥补食物链生态进化算法爬山能力不足,提高算法全局寻优能力。给出了链式遗传-模拟退火混合算法的详细计算流程,并将其应用到求解电网扩展规划问题,实际计算结果显示链式遗传-模拟退火混合算法在搜索效率及收敛性能上明显优于食物链生态进化算法。