改进型模拟退火算法在设备布局设计中的应用

由于设备布局问题是NP完全问题，它在有限合理的时间内难以求得最优解，因此问题的求解只能依赖于各种启发式方法。文章针对传统的模拟退火算法经常出现迂回搜索，导致搜索效率低，解的质量差这一现象，通过在传统模拟退火算法搜索过程中增加记忆功能，来避免迂回搜索，将改进的模拟退火算法应用于设备布局的研究中，通过实例证明改进的模拟退火算法解的质量有了很大提高。     

模拟退火算法的背景与单调升温的模拟退火算法

本文对模拟退火算法进行了分析。给出了一种改进算法－“单调升温的模拟退火算法”。文章对新算法的本质进行了论述，并通过实验对新旧算法进行了比较。     

利用遗传模拟退火算法优化神经网络结构

常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性受到影响。引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。     

基于遗传算法和模拟退火算法的特征选择方法

针对模式识别时原始特征数量大而有冗余的现象,提出了一种基于遗传退火算法的特征选优方法。首先对遗传算法和模拟退火做了简要评论,然后在遗传算法中引入模拟退火的Boltzmann更新机制,以克服传统的遗传算法易于过早收敛和易于陷入局部极小的问题。最后阐述、设计了适应度函数和遗传算子。仿真实验表明,该方法在求解的效率和解的质量方面都达到了令人满意的效果。     

免疫模拟退火算法求解TSP

文章介绍了免疫学的一些基本理论,然后在模拟退火算法及免疫算法的基础上,提出了一种新的免疫模拟退火算法求解TSP。通过对CHN144以及标准的TSPLIB中的PR1002的数据进行测试,结果表明该算法具有良好的性能。     

基于模拟退火算法的DES最佳线性逼近

模拟退火算法是基于金属退火机理而建立起来的一种全局最优化方法,它能够以随机搜索技术从概率意义上找出目标函数的全局最小点。该文利用模拟退火算法的优越性,给出了对DES最佳线性逼近的进化式搜索算法算法,分析了算法的有关性质,给出了模拟实验结果。该算法适用于一般Feistel结构的分组密码,且在分组长度增加时仍具有较强的适用性。     

基于模拟退火算法的波束图设计

文中提出了基于模拟退火算法的波束设计方法.其思想是按照给定的波束优化要求,建立某种相应的目标函数,利用模拟退火算法对波束的加权系数进行全局寻优,达到波束优化的目的.模拟退火算法模拟了固体缓慢退火从而获得最低内能的物理过程,是一种简单而有效的随机性全局优化算法.为证明该设计方法的可行性和有效性,给出了15元平面阵的设计实例以及仿真结果.结果表明,使用该方法设计的波束与常规方法相比,获得了更低的旁瓣级.     

遗传模拟退火算法在旅行商问题中的程序设计方法

本文分析了遗传算法和模拟退火算法的优缺点,提出遗传模拟退火算法的程序设计方法和各项参数的设置,并将该算法应用于TSP问题求解之中,提高了解决问题的能力。     

基于改进遗传模拟退火算法的WSN路径优化

针对无线传感器网络路径优化问题,提出了一种改进的最优保存的遗传模拟退火算法。利用LEACH算法构建初始路由表,使用GASA的高效率搜索,将路由计算和遗传演化计算同时进行,并直至寻找到近似最优路径为止。将最优保存遗传算法和模拟退火算法相结合,引入自适应的概率变化,有效地解决了这两种算法的早熟现象和时间问题。仿真实验表明,该算法有效地解决了无线传感器路径优化问题,具有定位准确、节能和搜索能力较强等优点。     

SA与GA算法在波束图设计中的比较分析

针对模拟退火算法(SA算法)和遗传算法(GA算法)在阵列波束图设计上的应用进行了比较分析.SA算法和GA算法是近些年发展起来的两种全局优化算法,把这两种算法分别应用到线列阵波束图设计上.并通过改变那些相关参数反复仿真了多次,然后将其结果分别和线列阵的最佳加权-切比雪夫加权进行比较,可以发现它们基本逼近了切比雪夫加权的设计效果,满足了波束图设计的一般要求,并且发现GA算法较SA算法为优.     

基于仿真退火算法的任意阵列宽带波束形成

提出了基于仿真退火算法优化思想的任意宽带波束设计方法,其期望响应由工作频带划分成的等间隔窄子带上旁瓣波束形成权系数构成。各个子带上的低旁瓣波束则采用基于仿真退火波束形成原理的波束优化设计方法得到。借助计算机对二十四元圆阵进行波束优化设计。结果表明,使用上述方法设计的波束与常规方法相比,获得了更低的旁瓣级和更稳定束宽,充分说明了方法的可行性和有效性。     

一种基于模拟退火算法的模糊模式识别及其应用

针对谷物害虫图像识别的特点,提出了基于模糊理论的害虫图像识别方法。文中首先对模糊C-均值聚类作了简要分析和评论,在此基础上将模拟退火机制引入其中,以克服模糊C-均值聚类的局部性和对初始聚类中心的敏感性;然后,采用了基于贴近度和择近原则的模糊识别方法,文中分析了格贴近度的不足之处,并对之进行了改进;最后,详细设计了上述各算法。仿真结果说明,该方法在识别速度和准确率方面都达到了令人满意的效果,为害虫的在线检测提供了一种新思路,也拓展了模糊理论的应用范围。     

基于LTE方向型传播模型的模拟退火加权定位算法

针对LTE网络采集到的MRO数据,提出一种基于LTE方向型传播模型的模拟退火加权定位算法。先结合LTE定向天线和小区特性,引入方向型参量提出基于RSS的方向型传播模型,对传统的信号传播模型COST-231 Hata进行改进;然后提出距离比加权算法消除RSS波动误差,将定位问题转换为一元求解问题,使用模拟退火算法计算最优解;最后通过距离椭圆模型对结果进行方位校正,得到最终终端定位结果。算法对比实验结果表明,基于LTE方向型传播模型的模拟退火加权定位算法具有较高的定位精度,完全符合FCC规定的定位精度要求。     

模拟退火组合优化法在模式识别中的若干应用

本文将用于求解组合优化问题的模拟退火法引入聚类分析、属性关系图同态、分段曲线拟合和特征选择等模式识别问题.(1)提出了一类新的聚类分析算法--模拟退火聚类法;(2)给出了一种模拟退火图同态的方案和实现算法--ALISOM;(3)详细地讨论了如何应用模拟退火组合优化法进行分段曲线拟合和特征选择.     

基于模拟退火算法的盲均衡算法改进

码间干扰是水声信道通信中存在的一个主要问题,它的主要解决方法是在接收端采用盲均衡方法.HOS盲均衡算法是理论非常完备的一种盲均衡算法,由于直接使用了高阶统计量的性质,该算法抗码间干扰的能力很强,但是运算速度慢,收敛费时.为了解决这个问题,要在HOS盲均衡算法中引入模拟退火算法.模拟退火算法是一种全局优化算法,可以有效地避免算法收敛到局部解.两种算法的结合,最大程度的利用了两种算法的特性,通过对代价函数的有效求解,可以大大提高HOS盲均衡算法的收敛速度,减少码间干扰.最后经计算机仿真证明该算法在不破坏HOS盲均衡算法收敛效果的同时加快了算法的收敛速度.     

一种快速的模拟退火算法及其在数据聚类中的应用

文中把求解数据聚类问题转换为一个图形分割最优问题,提出一种快速的模拟退火算法。实验结果证明,快速模拟退火算法退火时间短,收敛速度快,把它应用于数据聚类中,可以获得较好的聚类结果。     

一类多约束最短路问题的模拟退火算法

讨论了一类NP-C问题——多弧权约束最短路问题．通过对搜索操作和参数的合理设置,提出求解多约束最短路问题的模拟退火算法,并通过对实例的计算表明该算法能快速,有效地求出多约束最短路问题的最优解。     

双系统动态同步PID参数优化的模拟退火算法

PID控制是目前广泛应用于工业生产各个领域的控制方法.传统的PID参数整定方法,在解决双系统动态同步PID参数优化问题上遇到了很大的困难.将模拟退火算法应用于双系统动态同步PID参数优化的问题上,使用MATLAB工具对两个典型的二阶系统动态同步PID参数优化进行了仿真试验,两个系统的动态同步性能得到了明显的改善.此方法应用于机车定置试验台的同步控制中,取得了比较好的控制效果.仿真试验和实际应用都表明,模拟退火算法对解决双系统动态同步PID参数优化的问题是有效的,具有很强的实用价值.