遗传模拟退火算法在EXCEL上的编程实现

针对遗传算法和模拟退火算法的互补特点,提出用遗传模拟退火算法来求解最优化问题。使用Excel的VBA语言来编程实现该算法,将遗传模拟退火算法与Excel的数据处理相结合,方便用户在Excel上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于遗传算法。     

基于模拟退火遗传算法的多项目调度问题研究

针对多资源约束条件下的多项目调度问题,提出了一种模拟退火遗传算法的求解方法.该方法首先分别对普通的遗传算法和模拟退火算法进行改进,然后在遗传算法中插入模拟退火操作,通过模拟退火操作来克服遗传算法容易陷入局部最优解的缺陷,同时该方法也继承了遗传算法收敛速度快的特点.最后的实例计算结果表明该算法能克服模拟退火算法和遗传算法的缺点,获得比其它算法更优的解,与其它启发式算法及智能算法相比具有更高的求解效率.     

遗传模拟退火算法在MATLAB上的编程实现

遗传算法和模拟退火算法均为启发式搜索算法,结构互补,可将两者结合,使用遗传模拟退火算法来求解最优化问题。使用MATLAB语言来编程实现该算法,将遗传模拟退火算法与MATLAB强大的数据处理相结合,方便用户在MATLAB上建立模型,解决最优化问题。最后给出一个实例,运行结果证实了遗传模拟退火算法在求解最优化问题上优于单一的遗传算法。     

新型遗传模拟退火算法求解带VRPTW问题

为了克服现有遗传算法不能有效求解时间窗车辆路径问题的缺陷,提出了一种由遗传算法结合模拟退火算法的混合算法求解该问题,并与遗传算法进行了比较。该算法利用了模拟退火算法具有较强的局部搜索能力的特性,有效地克服了传统遗传算法的“早熟收敛”问题。实验结果表明,该算法具有计算效率高、收敛速度快和求解质量优的特点,是解决车辆路径问题的有效方法。     

基于遗传模拟退火算法的雷达正交信号设计*

针对雷达正交信号的波形设计问题,提出了一种基于遗传算法和模拟退火算法的新遗传模拟退火算法。该算法利用遗传算法实现全局搜索,利用模拟退火算法实现局部搜索,改进了遗传算法的选择策略,并在交叉、变异概率中引入自适应的概率变化机制,自适应地保存最优个体,并对遗传算法的进化结果有选择地进行模拟退火操作,有效地解决了这两种算法的早熟现象和时间问题。实验结果表明,该算法是有效可行的,性能优于传统遗传算法和模拟退火算法。     

改进的模拟退火和遗传算法求解TSP问题

对遗传算法和模拟退火算法的特点进行了比较,阐述了遗传算法与模拟退火算法集合的必要性。提出了一个用于求解TSP问题的改进的模拟退火和遗传算法。利用遗传算法的全局搜索能力弥补了模拟退火算法容易陷入局部最优的问题。在遗传算法中改进了传统的交叉机制,利用父代染色体与子代染色体进行交叉,解决了传统遗传算法中存在的“早熟”问题。针对模拟退火算法收敛速度慢等问题,提出了新的解生成机制和改良算法,提高了算法的收敛速度。实验测试的结果表明,该方法具有较好的收敛效果和更高的稳定性。     

基于遗传算法和模拟退火算法的布局问题研究

文章在介绍遗传算法和模拟退火算法的基本理论及主要特点的基础上,提出了一个基于遗传算法和模拟退火算法的求解布局问题(矩形件排样优化)算法,并通过算例验证了该算法的有效性。     

遗传模拟退火算法在弹药装载中的应用研究

多约束条件下的弹药装载问题是一个复杂的组合优化问题，属于NP-完全问题，其求解是很困难的。本文在考虑弹药装载中各类约束条件的情况下，将模拟退火算法作了若干改进后，融入遗传算法，提出了一种遗传模拟退火算法来求解弹药装载问题。本文对该算法的遗传算子和冷却进度表进行了详细的阐述，给出了使用该算法求解弹药装载问题的具体实现方法。     

求解SAT问题的退火遗传算法

提出一种将遗传算法与模拟退火算法相结合的SAT问题求解算法SAT-SAGA.该算法以遗传算法流程为主体,并把模拟退火机制融入其中,用以调整优化群体,防止陷入局部最优和出现早熟;在进化过程中算法采用了最优染色体保存策略,防止进化过程的发散.实验表明:该算法在求解速度、成功率和求解问题的规模等方面都有明显的改善.     

不确定车辆数的有时间窗车辆选径问题的混合算法

针对标准遗传算法在求解车辆选径问题中出现的早熟、收敛、易陷入局部极值点的问题，提出了一种由遗传算法结合模拟退火算法的混合算法求解车辆选径问题，并与遗传算法进行了比较。该算法利用了模拟退火算法具有的较强的局部搜索能力的特性，有效地克服了传统遗传算法的“早熟收敛”问题。实验结果表明，该算法具有计算效率高、收敛速度快和求解质量优的特点，是解决车辆选径问题的有效方法。     

TDOA/AOA混合定位方案中的UKF算法

针对CDMA无线定位系统中的“听力”问题,在CDMA无线系统中建立到达时间差/到达角度(TDOA/AOA)混合定位方案模型。针对常用滤波算法的性能改善问题,提出无迹卡尔曼滤波(UKF)算法解算定位方程,并结合设定环境对算法进行Matlab仿真。与常用EKF算法的比较表明,在TDOA/AOA混合定位方案中,UKF算法具有更好的收敛性和精度。     

基于遗传算法的TDOA/AOA定位系统的最优布站算法

摘 要：推导了TDOA/AOA混合定位算法产生的定位误差的克拉美－罗下界,提出了利用遗传算法（GA）寻找规定平面区域内的TDOA/AOA定位系统最佳布站策略的方法,其所遵循的最佳布站原则是使得定位的目标空间的定位误差的克拉美－罗下界的平均值最小。文中对GA的站点位置编码和适应度函数的选择进行了研究,在此基础上提出了基于GA的寻优布站算法。并对基于GA的寻优布站算法在不同情况下进行了仿真实验。     

一种NLOS环境下的TDOA/AOA定位算法

在LOS环境下,Chan算法有着较好的定位精度,基于Chan算法的到达时间差/到达角(TDOA/AOA)算法比Chan算法有了进一步提高。但是在NLOS环境下,这些算法的精度都将大大下降,由于AOA的测量值有较大误差,TDOA/AOA方法的精度甚至低于Chan算法。并且这些算法的主要缺点是在第一次加权最小二乘法(WLS)中把移动台的横坐标、纵坐标与移动台到服务基站的距离作为三个相互独立的变量,忽略了三者之间的相关性,因此要进行第二次WLS才能得到定位结果,且最终的解为二值根。对误差的均值和方差进行了估计,修正了TDOA与AOA测量值,用Kalman滤波算法对AOA的值进行了估计,利用移动台坐标与AOA之间的关系将三个变量简化为一个,只需一次WLS即可求得唯一解,减少了计算量,消除了根的模糊性。仿真结果表明,该方法简单,计算量小,有较高的定位精度和较好的稳健性,性能优于Chan算法和基于Chan算法的TDOA/AOA算法。     

移动台抗NLOS定位算法研究

在CDMA的网络环境下,TDOA/AOA混合定位算法能够比Chan算法有较高的定位精度。然而随着AOA测量误差精度的下降,定位精度逐渐下降,甚至低于Chan算法的定位精度。提出了一种既能继承原算法的优良性能,又可充分利用AOA测量值信息提高定位性能的TDOA/AOA混合定位算法。实验证明,该方法的定位误差性能优于单纯的TDOA定位方法。     

基于遗传模拟退火算法的门阵列布局方法

为实现门阵列模式布局,将遗传算法与模拟退火算法相结合,提出一种新的遗传模拟退火算法,利用遗传算法进行全局搜索,利用模拟退火法进行局部搜索,在进化过程中采用精英保留策略,对进化结果进行有选择的模拟退火操作,既加强了局部搜索能力又防止陷入局部最优。实验结果表明,与传统遗传算法相比,该算法能够有效提高全局搜索能力。     

基于多传感器的水声定位精度研究

针对TDOA定位算法中几何不确定性对定位精度的负面影响,提出一种基于多传感器信息融合的水声定位算法;该算法首先对多传感器合理布阵,确定若该个TDOA定位子系统,再对每个定位子系统用TDOA算法求得目标位置信息,最后依据几何精度因子(GDOP)对得到的若干个目标位置信息进行加权融合,得到最终定位结果;利用软件仿真对算法可行性进行了验证,结果表明,与基本的五元阵定位系统相比,该算法有效消除了因几何不确定性引起的误差,大大提高了定位精度。     

基于WGS-84地球模型的三站时差定位算法

针对基于WGS-84地球模型的三站时差定位算法,从定位模糊、定位精度和运算效率3个方面,综合比较了传统的牛顿迭代算法与一种基于测量站覆盖范围的局域参考坐标系(以下简称局域参考坐标系)下算法的性能.将局域参考坐标系下算法的定位结果作为牛顿迭代的初值,结合两种算法,形成一种综合算法,并对3种算法进行性能比较.由仿真结果可知...     

基于改进遗传与模拟退火融合的RISP软硬件划分

软硬件划分是可重构指令集处理器在软硬件协同设计中的关键问题,通过对比遗传算法和经典模拟退火算法的优缺点,提出改进遗传算法的适应度函数,同时将Tsallis接受准则引入到经典模拟退火当中;其思路是用遗传算法的结果来制约模拟退火算法产生的随机状态,然后由模拟退火的接受准则以及产生的随机状态函数对遗传算法的种群进行更新,从而找到全局近似最优解;实验结果证明,改进算法与单一遗传算法以及经典模拟退火算法相比,其收敛速度和适应度更好,找到全局近似最优解的概率更大。     

基于SA的改进遗传算法的测试数据生成研究

测试数据的自动生成研究是软件测试的一个焦点问题,测试数据的自动生成可以提高测试工作效率,节约测试成本.考虑遗传算法(GA)和模拟退火算法(SA)各自优缺点,提出遗传/模拟退火(GASA)混合算法的策略,在标准的GA中融入SA,在GA的局部搜索中引入SA,SA的随机状态受限于遗传优化算法的结果,GA的种群更新是由SA的退温算法和随机状态产生函数来控制,从而得到最优解.GA-SA算法取长补短,提高了算法的全局和局部搜索能力,能避免GA过早收敛,提高了算法搜索最优解的能力.实验结果表明,GASA算法寻找最优解所需的迭代次数明显优于标准GA.     

基于RBF神经网络的TDOA/AOA定位算法

为了减小NLOS传播的影响,提出基于RBF网络的TDOA/AOA算法。利用RBF神经网络对NLOS传播的误差进行修正,使用TDOA/AOA算法进行定位。仿真结果表明该算法减小了NLOS传播的影响,在NLOS环境下有较高的定位精度,性能优于TDOA/AOA算法、Taylor算法、Chan算法和最小二乘(LS)算法。