模拟退火算法在企业铁路车辆调度中的应用

指出了企业铁路站内存在的调车路径的问题,介绍了模拟退火算法的原理和应用范围,讲解了运用模拟退火算法求最优路径的实现步骤,最后以实例进行了仿真验证。     

移动机器人全局路径规划的模拟退火-教与学优化算法

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。     

一种新型混合优化算法在机器人路径规划中的应用

针对模拟退火算法收敛速度慢这一缺点，提出了一种基于模拟退火算法和复合形法相结合的新型混合优化算法，并成功应用于机器人神经网络路径规划中。该算法不仅继承了模拟退火算法能得到全局最优解的优点，又能搜索到理想的下降方向，提高了算法的收敛速度。仿真实验研究表明：这种新型混合优化算法，计算简单，收敛速度快，初值鲁棒性好。     

基于改进遗传模拟退火算法的刀具准时化配送路径规划

为了解决准时生产下的刀具准时化配送路径规划问题,在对数控车间刀具配送流程进行分析的基础上,建立以工序平均满意度和配送车辆数为优化目标的带模糊预约时间窗的刀具配送路径模型。采用改进遗传模拟退火算法对该模型进行求解,在标准遗传算法的基础上,使用模拟退火算法改进遗传算法的变异算子,通过最佳保存策略和排序选择法结合保护最优个体,并辅以自适应交叉概率。最后,通过具体实例证明了该方法解决刀具准时化配送路径优化问题的有效性与可行性。     

基于遗传进化算法的机器人全局路径规划

研究了机器人在已知环境下用遗传进化算法进行最优路径搜索的方法。在此方法中，把二维编码简化为一维编码，提高了搜索的速度；把障碍物作为排斥子，提出了简单、确定的适应度函数；最后提出了对路径的转折节点处进行平滑处理的方法。仿真实验证明了该方法能够得到机器人行进的最优化路径。     

基于Petri网和模拟退火遗传算法的并行测试研究

针对自动测试系统中并行测试任务调度复杂、难以优化的问题，提出了一种Petri网技术和模拟退火遗传算法相结合的任务调度优化算法。首先为并行测试系统建立时间Petri网模型，然后将激发的变迁序列集作为并行测试任务调度路径。为了得到最优路径，引入模拟退火遗传（GASA）算法进行搜索。在搜索过程中，将能激发的变迁序列作为染色体，进行选择、交叉和变异。为了防止算法出现收敛过早，陷入局部最优解的现象，还要对个体进行模拟退火操作，最后得到测试完成时间最短的任务调度序列。     

基于模拟退火遗传算法的拆卸路径规划

针对现存拆卸路径规划图论方法中的组合爆炸问题和遗传算法的早熟现象,给出模拟退火和遗传算法相结合的拆卸路径规划方法.在拆卸路径规划模型中,以拆卸效率最优作为优化目标,给出了算法流程.该算法对拆卸路径的全面寻优提供了一种新的思路.通过实例验证该算法的可行性,最后提出了进一步的研究方向.     

数控机床刀具路径优化算法的比较与应用

比较不同数控机床刀具路径优化算法的性能,以确定最适合特定应用的方法。分析4种常见的数控机床刀具路径优化算法,包括遗传算法、模拟退火算法、粒子群优化算法和蚁群算法。基于模拟实验,利用真实机床刀具路径数据进行测试和评估,比较了这些算法在路径长度、计算时间和切削质量方面的性能。研究结果表明,不同算法在不同情况下各具优势。在数控机床刀具路径优化中,选择最合适的算法取决于特定应用的需求。此研究为工程师和研究人员提供了在不同情境下选择最佳路径优化算法的指导,有助于改善数控机床刀具路径规划的效率和质量。     

基于改进蚁群算法的移动机器人路径规划研究

传统的蚁群算法在移动机器人路径规划过程中,在加速算法收敛时易陷入局部最优问题,针对此问题提出了一种新型蚁群算法的移动机器人路径规划方法。首先建立了机器人路径规划数学模型,在此基础上对传统的蚁群算法进行了改进,将环境中局部的机器人路径信息引入到蚁群信息素的初始化和路径选择概率中,提高了蚁群算法的收敛速度并防止算法早熟。通过引入交叉操作并对蚁群算法中参数进行调整,避免了算法陷入局部最优。仿真结果表明,所提方法能够明显提高最佳路径搜索能力,整体性能优于传统蚁群算法。     

求解多隔室车辆路径问题的改进粒子群优化算法

针对同时配送多种不能混装货物的多隔室车辆路径问题,建立了最小化车辆行驶成本的数学模型,并提出一种改进粒子群优化算法进行求解。该算法借鉴传统粒子群优化算法与模拟退火算法的思想,以粒子群算法为主框架,在粒子更新过程中引入模拟退火中的Metropolis准则,以一定概率接受劣解,使粒子在寻优过程中能够概率性地跳出局部最优。通过对经典车辆路径问题算例进行改编实验,并与已有文献、基本粒子群优化算法、基本人工蜂群算法分别进行对比分析表明,所提算法不但求解多隔室车辆路径问题有效,而且在求解质量上具有明显优势。     

基于遗传模拟退火算法的弧焊机器人系统协调路径规划

深入地研究了弧焊机器人系统的协调路径规划。从全局的角度用5元组序列描述了焊接路径。设计了评价 焊接路径目标函数:焊接位置函数、焊缝成形质量函数、关节位置函数和运动平稳性函数。以线性加权法为求解 多目标规划的基本思想,把遗传模拟退火算法用于弧焊机器人与变位机协调路径规划,取得了很好的效果。协调 路径规划精确地保证焊缝的最佳焊接位置与最佳的焊枪姿态,并能找到柔顺的焊接路径,提高了机器人焊接的质 量和效率。     

基于遗传算法的深海集矿车避障路径规划方法

本文主要研究和利用遗传算法实现深海集矿车避障路径规划的方法。将连续的路径离散化，并用随机数模拟各路径种群。把二维的路径转化为一维，生成简单的路径基因，提出了物理意义明确的适应函数和相应的变异算子，从而引导遗传算法快速收敛于最优解。实验仿真表明，该算法能够快速、稳定的搜寻到所需的最佳路径。     

一类解决车间调度问题的遗传退火算法

将遗传算法与模拟退火算法相结合,提出了一种混合调度算法。该算法采用3种提高效率的策略:(1)采用基于机器的分段编码方式,使编码简单直观,并且编码空间小。(2)采用4-2选择代替常用的转轮选择方式,既保留了优秀个体又维持了群体多样性;(3)采用基于关键路径的邻域产生函数和变异算子,缩小了搜索邻域。实验表明该算法具有较高的求解质量和效率。     

解决车间调度问题的改进模拟退火算法

结合作业车间调度问题的关键路径理论,设计了一种具有多次退火过程的调度算法。该算法利用记忆表记录下降过程中的平衡点,当一次退火过程结束后,从表中取出各平衡点的温度、状态和抽样长度重新开始退火过程,直到记忆表为空。仿真结果表明该算法在求解质量和求解效率方面均有优势。     

改进人工势场法的路径规划研究

针对人工势场法容易造成陷入局部极小点的问题,提出“沿边走”的详细策略进行路径的求解,以跳出局部极小点,并针对这一策略导致的路径过长和平滑度差的问题,采用分段的模拟退火算法进行优化。最后通过 MATLAB 验证分析,和传统的人工势场法以及采用虚拟目标点的人工势场法进行对比,仿真结果表明,在简单和复杂环境中路径长度和平滑度均能得到提升。     

基于多纵向传输通道的双层过道布置问题建模与优化

针对制造和服务系统中纵向运输形式在双层过道布置问题中研究不足的情况,以实际布局方式为背景,对双层过道布置问题进行拓展,构建基于多纵向传输通道的双层过道布置问题混合整数规划模型,并提出一种混合模拟退火算法。该算法采用整数编码方式,以模拟退火算法为框架,结合2-Opt路径重连策略与逆转扰动操作,以避免陷入局部最优,同时采用禁忌搜索操作与带有记忆功能的存储操作来提高获得全局最优解的概率。通过精确求解所提问题的小规模算例,验证了模型的合理性。应用混合模拟退火算法分别求解所提问题、双层过道布置问题和过道布置问题,通过对比表明所提算法在求解性能和求解质量上均具有一定优势。     

全局优化算法自适应模拟退火-遗传算法的研究

对模拟退火法和遗传算法作了简要叙述,并深入分析了模拟退火法和遗传算法的寻优特性,指出了模拟退火法存在的不足及遗传算法的优良特性,从而引入了自适应模拟退火-遗传算法,并定性分析了该算法的可行性。     

基于模拟退火算法的割草机器人的避障研究

局部路径规划是割草机器人关键问题之一,针对该问题目前运用较多的是人工势场法,但传统的人工势场法往往存在局部极小点,因此,本文提出采用填平势场与模拟退火算法相结合的解决策略,求解势场强度的最小值作为下一行走目标,多个序列目标构成优化路径,引导机器人脱离局部极小点,绕过障碍物到达目标点。仿真结果表明:该算法不仅有效地克服了局部极小点,且优化了机器人的行走路径、降低了路径的复杂度。     

一类解决Job Shop问题的改进遗传算法

将遗传算法与模拟退火算法相结合，提出一种有效的混合调度算法。采用4—2选择代替传统的转轮选择方法，既保留了优秀个体叉维持了群体的多样性；采用具有较强突跳能力的模拟退火算法代替传统遗传算法的变并算子，增强了全局探索能力，减小了陷入局部极小值的机会；采用基于关键路径的状态产生函数，缩小了搜索邻域，提高了算法的效率。仿真结果表明，该算法具有较高的求解质量和效率。