一种二维不规则零件优化排样算法

将模拟退火算法和粒子群算法相结合，提出了一种基于模拟退火的粒子群算法。采用交叉和柯西变异运算，提高了算法的收敛速度和精度。将该算法应用于求解二维不规则零件排样问题，首先将二维不规则零件的排样问题转化为矩形件的排样问题，然后应用该算法进行优化求解，在求解过程中应用自适应调整策略对零件的排样位置进行微调。排样结果表明该算法是行之有效的。     

基于遗传模拟退火算法的矩形件排样

将遗传模拟退火算法运用在矩形件排样中,利用遗传模拟退火算法的全局搜索能力,寻找出排样件最优的排样次序(排列最紧密),再结合基于局部板材利用率最高的填充算法不断填充板材,获得近似总体最优的排样结果。此结果适合应用于大批量、多种类的矩形件优化样。     

基于小生境遗传模拟退火算法的不规则件优化排样

针对二维不规则图形零件在排样区域上的最优排列问题,将排样和制造工艺联系起来,先将多边形各边向外扩充,为零件预留加工余量;然后采用遗传模拟退火算法与小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度,再用基于"最低水平线与填充算法相结合"策略的启发式排样算法实现二维不规则件自动排样,得到了满意的优化排样结果。     

基于遗传算法的二维不规则形排样研究

二维不规则零件的排样问题,在理论上属于NP完全问题,有着较高的计算复杂度,求解很困难,但是在工业上有着广泛的应用,迫切需要解决此类问题.笔者结合启发式算法思想,将二维不规则图形排样问题建模成一个变异的旅行商问题,采用遗传算法求解.并在经典BL排样算法基础上进行改进,提出了一种基于多路径搜索的图形排样算法,在此排样算法基础上,应用遗传算法优化计算,成功的解决了不规则图形的排样问题.     

基于可行域的矩形智能排样系统设计

基于可行域求解矩形排样算法,采用VC++6.0作为编程工具,进行了矩形智能排样系统的设计开发,以完成具有NP-hard的矩形排样问题的自动优化求解。实例证明该系统能够对各种不同形式和规模的矩形排样问题进行快速的求解,并输出最终排样方案,对工程实际中的排样问题有积极的指导作用。     

模拟退火算法在求解组合优化问题中的应用研究

文章给出了模拟退火算法求解组合优化问题的实现步骤,并提出了一种相邻状态的产生函数和迭代方案,通过实例计算并分析了模拟退火过程的起始温度、终止温度以及降温速度等参数对优化计算的影响。结果表明,模拟退火算法中各个参数值的选择和设置对运行的结果和效果有较大影响。     

基于遗传模拟退火算法约束求解算法

针对基于图构造方法的可扩展性差的缺陷,根据遗传模拟退火算法,结合空问约束求解,提出了基于遗传模拟退火算法的约束求解算法,解决了过约束和欠约束的问题,可扩展性也得到了提高．而且基于遗传模拟退火算法的约束求解算法有很强的全局搜索与局部快速收敛能力,从而提高了约束求解的效率．     

多种形状毛坯套裁计算机排样与毛坯库存控制

本文阐述多种规则形状毛坯混合套裁计算机排样与毛坯库存控制问题,给出排样算法的数学模型和一例题的求解结果。     

模拟退火与蚁群混合并行算法解旅行商问题

求解TSP问题的智能优化算法主要包括蚁群算法和模拟退火算法等,这些算法求解TSP问题的速度比传统的精确求解算法有很大改进,但在问题的求解空间逐渐增加时,串行执行速度往往还是无法满足人们的需求.针对此问题,研究了蚁群算法、模拟退火算法以及两者的混合算法的并行实现方法,建立了PC机群实验平台,基于MPI环境对蚁群算法、模拟退火算法以及混合算法的并行算法进行了测试.根据理论研究和实际测试的结果,比较了并行算法和传统串行算法的性能差异,总结了利用PC机群系统求解旅行商问题的并行求解的可行性,得出了关于并行效率等方面的一些有意义的结论.     

模拟退火在印刷电路板最佳走刀问题中的应用

电路板（PCB）走刀路线问题可以归结为大型TSP问题.在构造了电路板走刀路线问题的模型后,采用加权的哈密顿图方法,结合模拟退火策略对该问题进行分析求解.重点介绍了模拟退火解决这个问题的具体算法和过程.仿真试验结果表明：采用模拟退火算法求解TSP问题效果更好,与有关算法相比有更好的可操作性.     

单亲遗传模拟退火及在组合优化问题中的应用

基于模拟退火算法(SA)、遗传算法(GA)、 单亲遗传算法(PGA)、遗传模拟退火算法(SAGA)理论的优缺点,比照SAGA、根据SA和PGA的优势互补性,提出了一种融合SA和PGA的新算法--单亲遗传模拟退火算法(SAPGA).结合SA、PGA的优点,对PGA中每一代操作内部的基因重组操作进行了改进,同时改变了传统的降温方式、在两代操作之间加入染色体按适应度函数大小排列的过程.用3组城市数据的旅行商问题(TSP)对上述5种算法进行仿真实验,SAPGA的平均最优解始终最小,收敛所用时间始终最短.     

实码退火遗传算法在厂内经济运行中的应用

针对一般优化算法在大型水电站厂内经济运行中精度低或计算速度慢的缺点,对实数编码退火遗传算法（AGA）进行改进,并用于大型电站厂内经济运行.模拟退火算法是在遗传算法（GA）中引入模拟退火算法（SA）,它吸收了遗传算法速度快和模拟退火精度高的优点.此外,对传统退火搜索方法的改进,进一步提高了退火遗传算法解决大型优化问题的能力.为了体现退火遗传算法的特点,对某一大型水电站分别采用退火遗传算法、动态规划（DP）、加速遗传算法（AG）、标准遗传算法（SGA）和模拟退火进行了经济运行计算,计算结果表明退火遗传算法易于实现,精度高,收敛速度较快,有一定实用价值.     

基于模拟退火的自适应调节位置区数目的位置区规划

提出一种基于模拟退火的新算法来划分位置区,采取自适应策略来调节位置区数目,并结合有效设计的模拟退火算子,克服了通常算法易陷入局部最优解的弊端,提高了算法的搜索效率．数据仿真实验表明了算法的有效性．     

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.     

模拟退火法的研究及其在不规则多边形布局中的应用

对模拟退火算法的搜索方法进行分析，给出其一般搜索模型．把该模型应用于不规则多边形的布局，并针对不规则多边形的具体情况，对它的相交判断以及其它约束条件进行了论述，在此基础上应用模拟退火法很好的改善了问题的解．     

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。     

求解航班时间表问题的混合遗传算法

针对基于模拟退火的混合遗传算法求解航班时间表问题的特征,利用矩阵编码形成个体,使用模拟退火算法快速形成优良初始解,并构建优良基因库以改良解精度.仿真实验表明,该算法和传统模拟退火算法及遗传算法相比,所得结果的方差降低了20.6%～24.6%,进化代数降为标准遗传算法的16.58%,运行时间缩短6.3%～14.0%,且算法直观,易于实现.     

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.