一种检测单晶炉热场温度的新方法

为去除单晶炉热场温度测量信号中的低频干扰、提高温度信号的估计精度,本文提出了一种基于跨维模拟退火(trans dimensional simulated annealing,TDSA)的单晶炉热场温度检测方法.该方法首先将AIC(Akaike information criterion)信号个数判断准则纳入采样机制中以便对干扰个数采样估计,进而利用所设计的基于信号频谱和轮盘赌思想的Metropolis Hastings机制对相应个数的干扰频率进行采样,最后设计了混合均匀和高斯采样机制对单晶炉热场温度进行采样估计.仿真和单晶炉工程实验结果表明,该方法在干扰个数未知的情况下,能够有效地抑制低频干扰、准确检测单晶炉热场的温度.     

基于综合散列度的拓扑探测源选取方法

在对非授权目标网络进行拓扑发现时,探测源的选取直接决定拓扑发现的效果,当探测源数量一定时,恰当地从备选探测源集合选取探测源组合可以使得拓扑发现的范围大大增加。针对该问题设计了一种描述探测源组合整体逻辑距离的指标——探测源综合散列度,并利用实验证明综合散列度较大的探测源组合倾向于发现更大范围的拓扑结构;提出了最大综合散列度选取法,即从备选探测源集合选取综合散列度最大的探测源组合进行拓扑探测。随后,对常被运用于电力网规划的混合遗传模拟退火算法进行定制处理,用于更准确地选取综合散列度最大的探测源组合。通过实验,证明了与SDIS选取法、低连接度选取法和随机选取法相比,最大综合散列度选取法选取得到的探测源可以发现更多的路由接口和路由链接。     

基于模拟退火的粒子群算法优化的二次回归在矿井通风机故障诊断中的应用

针对矿井通风机故障诊断过程中样本数据有限的特点,提出了一种经模拟退火的粒子群算法优化的二次回归诊断方法。将样本数据分为建模数据和测试数据,测试结果表明该方法具有适用性强、操作简单、精准度高,且无需太多样本数据等特点,值得推广。     

基于改进遗传模拟退火 K-means的心电波形的分类研究

针对心电图自动诊断困难这一问题,提出了一种新的聚类算法：基于均方差属性加权的遗传模拟退火K-means改进聚类算法,用于改进心电图（ECG）信号的自动识别技术。利用小波变换的多分辨率和抗干扰能力好的特点,检测QRS波、P波、T波,提高了特征检测的准确性;利用聚类分析具有较好的鲁棒性和适合于大数据量分析的特点,对心电信号进行波形分类。采用MIT-BIH标准心电数据库中的部分数据对识别结果进行判断,改进后的K-means聚类算法的准确率高于传统的K-means聚类算法,实验表明该算法对心电信号可以进行有效分类。     

人工智能在主题搜索策略中的应用

介绍了主题搜索策略,重点对比分析了三种人工智能启发式搜索算法--最好优先、模拟退火和非常快速退火算法作为主题搜索策略的局限性和优越性.阐述了非常快速退火算法在主题搜索策略中的应用,最后通过一个对比试验证明非常快速退火主题搜索算法的优越性.     

多目标遗传算法在饲料配方设计中的应用

有别于传统的单目标方法,将饲料配方设计问题描述成为一个多目标最优化问题,并提出了一种改进的多目标遗传算法,应用模拟退火算法解决多目标遗传算法的局部搜索能力差和易早熟问题.实验结果表明,该算法能有效地求解饲料配方设计问题并为设计者提供了强有力的决策支持.     

基于模拟退火法的矿用车辆卸料系统协同优化

为了避免常规优化方法只考虑单个系统内部设计变量的片面性,对矿用汽车卸料系统总体设计中应用协同优化的可行性进行了研究.阐述了协同优化的基本框架,分析了标准协同优化自身存在的缺陷;提出了在协同优化的系统级优化中采用模拟退火法作为搜索策略.选择矿用汽车总体设计中的货箱、车架和卸料机构三个总成的协同设计作为工程实例,建立其协同优化数学模型,通过iSIGHT多学科设计优化软件集成各学科分析工具并进行优化求解.结果表明,采用模拟退火法作为设计空间搜索策略,系统级的一致性约束条件能收敛到零,提高了其搜索全局最优值的鲁棒性.     

面向Length_N测试覆盖准则的测试用例生成技术研究

针对路径覆盖测试的可行性,提出了一种新的路径测试覆盖准则(Length_N准则).首先把测试用例生成归纳为多目标函数的优化问题,其有效方法是根据程序运行结果指导生成过程,通过不断迭代,生成符合要求的测试数据集.为了提高生成效率,对遗传模拟退火算法的编码、适应度函数、交叉概率做了一定的改进;并在此基础上来自动生成测试用例.实验结果表明该方法在效率上较遗传算法、随机测试数据生成方法有很明显的提高,在可行性上比路径覆盖准则也有很大的改善.     

基于非线性规划的凸多面体间碰撞检测算法

为了提高碰撞检测算法的速度,提出用顶点的凸包表示凸多面体,将两个凸多面体间距离的问题归结为一个带约束条件的非线性规划问题,利用模拟退火遗传算法对该问题进行求解。利用模拟退火的接收准则进行交叉、变异,降低了时间复杂度。结果表明,模拟退火遗传算法计算效率高、速度快。     

基于模拟退火PSO的电力系统无功优化

对粒子群优化算法方法进行改进,把模拟退火机制引入到粒子群优化算法方法中,提出了基于模拟退火粒子群优化PSOSA(PSO with Simulated Annealing)算法,通过适当选择种群大小、调整惯性权重系数ω和退火系数C,以温度的缓慢下降来控制粒子的寻优过程,提高了粒子群优化算法的全局收敛性,改善了粒子的局部搜索能力.建立了以网损最小为目标的电力系统无功优化模型.通过对IEEE-30系统的无功优化计算,结果表明,PSOSA算法具有更好的全局收敛性和良好的搜索能力.