基于预留带宽的光纤通道交换网硬实时通信

为了保证光纤通道(FC)交换网中硬实时通信,提出一种采用通用处理器共享(generalized processor sharing)调度方式交换机构建交换网,并且采用模拟退化算法根据数据流硬实时通信需求找出交换网ISL(inter-switch link)权重参数和数据流预留带宽参数优化配置的方法.在对FC网络以及GPS调度方式进行分析的基础上,建立基于光纤通道交换网的硬实时通信模型,将保证硬实时通信问题转换为组合优化问题;构造了最小预留带宽和目标函数,并采用模拟退火算法找出该问题的最优解.仿真实验结果验证了该方法的有效性,但是通过可接受解和最优解的实验结果比较发现最优解并不能总是获得最佳的系统延迟时间率.     

模拟退火改进K均值算法在镜头聚类中的应用

针对基于内容的视频检索中的镜头聚类问题,采用了一种基于模拟退火思想改进的K均值聚类算法.该方法提取视频帧的时间信息、均值、方差、偏度和信息熵等颜色直方信息作为特征,利用模拟退火算法全局寻优的能力来改善K均值聚类易陷入局部极值的缺点,从而提高视频镜头聚类的准确性.理论分析和实验结果表明该方法是一种有效的视频镜头聚类算法.     

基于混合模拟退火的勤务编排技术研究

为了优化航空公司勤务编排结果,在考虑勤务编排规则、机组成本和人力因素的基础上,构建了勤务编排优化模型,且综合平衡了各项目标函数.运用局部搜索法获得初始解,并与模拟退火算法结合,形成求解勤务编排问题的混合模拟退火算法.最后通过启发式操作将不可行解转化为可行解.仿真实验表明,混合模拟退火算法能够有效缩小算法搜索空间,减少计算时间,提高运行效率.与基本模拟退火算法和遗传算法相比,混合模拟退火算法运算速度和运算结果均有明显地提高.     

一种新的求解移动Agent路由问题优化算法

文章对移动Agent在无线传感器网络中的路由问题进行描述,给出该问题的多约束最优非劣路径求解模型,并提出一种SA-CA算法求解移动Agent路由问题:利用模拟退火(Simulated Annealing,SA)算法接受最优单体以推动文化算法(Cultural Algorithms,CA)中信仰空间的进化,并将搜索步长作为情景知识指导群体空间最优解的搜索.这种双层结构特性减少了搜索时间,表现出较好的全局寻优性能.仿真实验也表明,与粒子群优化算法(PSO)、遗传算法(GA)的计算结果相比,提出的新算法在保证求解准确性的同时,具有更快的收敛速度和较高的可靠性,是解决无线传感器网络多约束QoS路由的有效途径,能提高整个网络的性能.     

基于PSO-SA的多目标跟踪数据关联算法研究

为快速实现多目标跟踪的数据关联,将粒子群算法(PSO)和模拟退火算法(SA)相结合,实现快速的多目标跟踪数据关联;以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型;利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为模拟退火算法的初始温度和状态,利用SA算法对目标函数的解进行细搜索以求得更优解;仿真表明,该算法与经典的JPDA算法相比,PSO-SA算法的关联准确率都大于90%,提高目标关联准确性和跟踪精度。     

基于改进模拟退火算法的混合制冷循环天然气流程优化

在研究模拟退火算法的基础上,将模拟退火算法进行改进,采用Ackley函数验证改进的效果.运用模拟退火算法和改进算法分别对混合制冷循环天然气流程进行优化仿真,在对流程参数进行有效优化后,利用该优化流程参数,对整个混合制冷循环天然气流程进行模拟仿真,得出以压缩机耗功与丙烷预冷量之和为最小目标函数的优化流程参数.证明模拟退火算法应用于混合制冷循环天然气流程的可行性和有效性.     

基于混沌DESAPSO算法的无人机三维航迹规划

粒子群(PSO)算法易陷入局部最优,将其运用于无人机三维航迹规划会导致航迹品质不高,针对这一问题,提出了将差分进化(DE)算法、模拟退火(SA)算法嵌入PSO算法中,构成混沌差分进化模拟退火粒子群(DESAPSO)算法,从三个方面提高了航迹品质:一是利用DE算法的变异、交叉及竞争选择增加种群多样性;二是利用SA算法概率突跳能力跳出局部最优解;三是对PSO算法参数进行混沌优化,进一步增强种群多样性.仿真结果表明:混沌DE-SAPSO算法改进航迹品质效果明显,获得了满意的无人机三维航迹.     

基于EMD-SA-SVR的超短期风电功率预测研究

针对风电功率的高随机和强波动性,提出一种基于EMD-SA-SVR的风电功率超短期预测方法。采用经验模态分解(Empirical Mode Decomposition, EMD)提取风电功率序列的不同特征。将原始序列分解为多个更具规律的模态,针对每个模态序列建立各自的预测模型,以消除不同特征之间的相互影响。鉴于支持向量回归(Support Vector Regression, SVR)好的泛化能力,研究建立基于SVR的各模态预测模型。进一步采用模拟退火(Simulated Annealing,SA)算法对SVR参数进行优化以解决模型选择的多极值复杂非线性问题,获得各模态分量的最优模型,进而汇总各模态分量的结果得到风电功率预测值。在某风电场历史数据上的对比分析表明,EMD-SA-SVR模型可以有效提高风电功率超短期预测精度。     

基于模拟退火优化BP算法的指纹地图构建方法

由于地磁信号的时间稳定性和位置差异性,基于地磁指纹的室内定位越来越受到重视。在离线建库过程中,为了降低采集数据工作量,提高构建精度,提出了一种模拟退火优化传统BP网络的模型预测方法。首先对所有的采集数据进行限幅滤波处理,然后通过模拟退火算法优化BP网络(SA-BP)中的权值以及阈值,避免其在训练过程中陷入局部最优解,提高预测性能。在不同的实验场景下用该方法进行指纹地图构建,并与传统的基于普通克里金插值法进行仿真比较,结果表明,用相同的指纹点数构建出来的指纹地图在正方形的实验区域估值误差控制在8.9%左右,在长方形的走廊实验区域估值误差控制在8.7%左右。同时在实际场景中做了定位实验,结合在线匹配阶段中的动态时间规整(DTW)算法和加权K最近邻(WKNN)算法进行定位,实验结果表明,定位误差均在1m,可以满足定位需求;同时,所构建方法和逐点采集构建方法相比,减少了大约30%的工作量。     

遗传-模拟退火算法在边坡稳定分析中的应用

利用基于遗传算法的模拟退火算法,并结合简化Bishop法,有机地将两种算法结合起来,建立一种可用于求解边坡稳定和最危险滑裂面的耦合算法的优化数值分析模型,充分发挥了两种算法的优点.并用该法进行工程实例计算,结果令人满意.