基于混合算法的无人机路径规划

针对无人机多目标攻击路径规划问题,提出了一种基于Voronoi图的遗传模拟退火算法。首先构建了威胁与障碍的Voronoi图,得出了无人机可行路径的集合,然后给出了目标函数,接着利用Dijkstra算法进行了模型简化,最后利用遗传模拟退火算法进行计算。计算表明,该方法在解决无人机路径规划问题上与单纯的遗传算法相比具有寻优快且好的特点。     

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。     

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.     

基于凝聚率和网络重构效率评价的骨架网架优化北大核心

黑启动恢复问题是大停电后系统安全防御的重要课题,确定合理的骨架网络对于快速建立输电网架和负荷的全面恢复,具有重要意义。首先,提出一种基于电气凝聚率和网络重构效率表征骨架网络优劣的方法。该方法采用节点凝聚率、线路凝聚率定量表征电网电气特性,以网络重构效率表征电网拓扑结构联系的紧密程度,并考虑电网安全运行约束,以此建立骨架网络的优化模型;在此基础上,提出基于模拟退火改进离散粒子群算法的方法以实现骨架网络重构过程的优化,获取能涵盖主要枢纽节点和关键线路的综合性能最优和次优的骨架网络。最后以新英格兰10机39节点系统为算例,验证了骨架网络优化模型的合理性与求解算法的正确性。     

基于模拟退火的粒子群算法优化的二次回归在混凝土抗压强度预测中的应用

混凝土抗压强度与其影响因素之间存在着很强的非线性关系,精确预测混凝土抗压强度对提高工程质量和施工进度等具有重要意义。为了提高预测值的精确度,建立了二次回归预测模型,利用基于模拟退火的粒子群算法对模型系数进行了优化和求解。实例仿真表明这种经智能算法优化后的二次回归预测模型优于传统神经网络预测模型,预测精度得到了较大提高。     

基于遗传-模拟退火算法的单层球面网壳结构破坏模式优化

将遗传算法和模拟退火算法相结合,以遗传算法作为基础,将模拟退火机制融入其中,提出遗传-模拟退火算法(GASA)。通过三个经典函数最小值求解,表明混合算法在优化行为、优化效率及稳定性方面均具有明显优势。以构件截面为优化变量,应用构形易损性理论,以结构集簇过程中自由簇构形度Q标准差最小为优化目标,建立单层球面网壳结构倒塌破坏模式优化模型。以一个原型跨度75m、相似比1∶10的单层球壳振动台试验模型为例,采用GASA算法对此试验模型进行倒塌模式优化分析,通过优化前后自由簇构形度变化规律和加速度时程分析结果的对比,表明提出的优化方法及优化模型能够实现单层球面网壳在地震作用下的倒塌模式从无征兆的动力失稳破坏转化为承载力强度破坏。     

基于改进模拟退火粒子群算法的立体车库结构优化

立体车库可有效利用城市停车资源而得到快速发展,但结构重量较大,目前有关立体车库的优化方法多数采用简单的材料替换或常规优化算法,优化效果不明显且运算效率低。为此,在结合模拟退火算法和粒子群算法的基础上,加入动态惯性权重和变异算子,提出了一种改进的模拟退火粒子群算法。基于静力、风载、地震载荷工况,以立体车库轻量化为目标,采用改进的模拟退火粒子群算法对立体车库结构优化模型进行优化,结果显示,在保证刚度、强度性能的前提下,实现减重4.26%。与非改进算法相比,所提出的改进模拟退火粒子群算法得到了更佳的最优解,寻优能力加强。     

基于模拟退火算法的实时故障诊断测试集优化

为解决复杂系统的实时故障诊断问题,设计基于模拟退火（simulatedannealingalgorithm,SAA）的测试集多目标优化策略。从测试集故障隔离率、测试个数及成本等多个指标优化入手,对每个优化目标按其重要性进行降序排列,依据优先顺序依次实现多个目标的优化,并引用阿波罗号发射前系统状态检测的例子进行验证。仿真结果表明：模拟退火算法原理简单,计算精度高,可为实时系统诊断测试集优化选择提供有效指导。