基于模拟退火的全局优化算法

针对优化问题中的多极值的现象,提出了基于有记忆模拟退火的全局优化算法,并针对不同的设计变量,采用了不同的邻域产生方法。在分析 算法性能的基础上,分别对连续变量和离散变量优化问题的工程实例进行了求优,结果表明该算法具有较高的计算精度和适应性。     

一类改进的Broyden算法的收敛性分析

提出了一组求解无约束优化问题的改进的Broyden算法，并给出了算法的全局收敛性结果(不包括DFP算法)。虽然求解凸规划问题的不精确线性搜索的DFP算法的全局收敛性从理论上难于讨沦，但数值计算经验表明，DFP算法有很强的实用性。将BFGS算法、DFP算法和Broyden算法(Φ=0．5)进行了对比数值试验，并详细地分析了每个算法的计算量。     

单纯形—模拟退火算法

在简要介绍单纯形法基础上,针对模拟退火算法存在收敛慢、费机时较多的缺陷,将单纯形法与模拟退火算法有机地结合起来,形成一种新的改进造型的优化算法－单纯形－模拟退火算法,以加快速敛速度,提高解的质量,是单纯形法与模拟退火算法各自特点的综合,并通过算例进行了验证。     

模拟退火算法及其改进

借鉴遗传算法中的非均匀变异思想,用非均匀变异策略对当前模型扰动产生新的模型,对传统的模拟退火算法提出了改进,通过多峰值函数数值优化测试结果表明,该算法在高温的时候能够进行大范围的搜索,随着温度的降低,逐渐缩小解的搜索范围,大大加快了收敛速度,证实了该改进算法的有效性和高效性。     

快速模拟退火算法及矿井通风网络全局优化

提出了一种新的快速模拟退火算法,在对其性能测试的基础上,将其成功地应用于矿井通风网络全局优化设计,结果表明,该算法能有效地求解传统的确定性方法所不能凑效的全局最优解问题,而且同传统的模拟退火算法相比,具有更高的计算效率。     

基于模拟退火的全局优化算法

针对优化问题中的多极值的现象 ,提出了基于有记忆模拟退火的全局优化算法。并针对不同的设计变量 ,采用了不同的邻域产生方法。在分析算法性能的基础上 ,分别对连续变量和离散变量优化问题的工程实例进行了求优 ,结果表明该算法具有较高的计算精度和适应性。     

用模拟退火法解决LBG算法陷入局部极小的问题

矢量量化是一种极其重要的数据压缩方法,但其码本设计算法容易陷入局部极小值。为了解决这个问题,可以将模拟退火引入磁量量化器的码本设计。     

基于改进模拟退火算法的配电网无功优化方法

采用改进的模拟退火优化算法对配电网进行无功优化计算,针对配电网无功优化问题建立优化计算的数学模型。以调节无功补偿容量、补偿点分布、变压器分接头位置为手段,实现无功优化目的。对实际配电网优化计算结果表明,该方法可有效降低系统网损,保证各节点电压稳定,提高电力系统运行的安全性和经济性。     

改进自适应遗传模拟退火算法的结构优化设计

为提高遗传算法的收敛性,避免发生早熟收敛,对遗传算法进行改进.引入一种基于个体适应度值的自适应遗传算法,并将遗传算法和模拟退火算法结合形成一种混合算法,从而提高算法的运行效率和计算精度.算例表明改进的自适应遗传模拟退火混合算法较基本遗传算法更加有效.     

改进的共轭梯度法及其收敛性

共轭梯度法是求解大规模无约束优化问题的一种有效方法。针对算法的优劣主要依赖于步长因子和搜索方向的特点，结合共轭梯度法的共轭性质，提出一种改进的可以控制步长因子的共轭梯度算法。在建立算法的几个重要引理和全局收敛性定理后分别给出了证明。最后对算法进行了数值实验，实验结果表明算法具有良好的收敛性和有效性。     

求解TSP的贪心模拟退火算法

通过分析传统模拟退火算法的不足和可行的改进方案,提出了一个用于求解TSP问题的贪心模拟退火算法.新算法在改进的模拟退火算法的基础上结合改进的贪心算法,增加了算法的解的质量.实验表明,新的算法比传统的模拟退火算法和贪心算法有更优的解.     

遗传模拟退火算法用于浅海声速反演的仿真研究

研究了浅海声速反演中经验正交函数的参数寻优算法.通过数值仿真分析了模拟退火算法和遗传算法的优缺点,并在此基础上,提出了将二者相联合而得到遗传模拟退火算法,数值算例验证了该算法兼备二者的优点,克服了它们的缺点.以射线理论为基础,应用遗传模拟退火算法,仿真计算了浅海2种声速分布下的声速反演问题,取得了较好的结果.该方法具有不依赖初始条件且解为收敛等特点.     

基于模拟退火算法的动力头优化设计

根据模拟退火算法的基本原理,定义了动力头优化的目标函数及各种约束条件,给出了模拟退火算法对动力头优化的具体过程.分析对比了常规退火算法同改进的退火算法及采用MATLAB工具箱中fmincon函数对动力头优化的结果.优化结果和实验分析表明,采用改进的模拟退火算法对动力头优化设计是获取问题最优解的好方法.     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段．针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法（GA）和模拟退火算法（SA）的基础上,提出了更加有效的算法即模拟退火遗传算法．使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的．     

Global annealing genetic algorithm and its convergence analysis

A new selection mechanism termed global annealing selection (GAnS) is proposed for the genetic algorithm. It is proved that the GAnS genetic algorithm converges to the global optimums if and only if the parents are allowed to compete for reproduction, and that the variance of population's fitness can be used as a natural stopping criterion. Numerical simulations show that the new algorithm has stronger ability to escape from local maximum and converges more rapidly than canonical genetic algorithm.     

基于粒子群与模拟退火相结合的无功优化算法

针对电力系统无功优化采用粒子群算法容易陷入局部最优、模拟退火算法约束条件多和收敛速度慢的问题,提出一种新的基于粒子群与模拟退火相结合的算法.该算法根据粒子群的易实现性、快速收敛性及模拟退火的全局收敛性,进行协同搜索,求取系统无功优化的解集.对IEEE14、57、118节点系统进行了无功优化仿真计算,结果表明该算法原理简单易实现,计算效率高且能获得质量更高的解.     

基于遗传模拟退火算法的改进K-medoids算法

针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。     

模拟退火算法在并行公差优化中的应用

根据并行公差设计的特点,建立了并行公差设计的优化数学模型,该模型以总加工成本最小为目标函数,以装配功能要求、加工方法选择、加工余量公差、经济加工精度范围等为约束条件,将模拟退火算法应用于并行公差优化设计中,并给出了具体的算法流程。通过实例验证了其算法的正确性。     

混合遗传模拟退火算法求解背包问题

提出了一种混合遗传模拟退火算法求解背包问题,该算法应用改进的模拟退火算法作为局部搜索,提高算法的搜索效率,采用同时考虑解的质量和种群多样性的种群更新策略,保持种群的多样性,仿真实验结果表明该算法是有效的.     

电网故障诊断的遗传模拟退火算法研究

针对电网出现的复杂故障,如断路器和保护不正常动作或多重故障等情况,结合新的故障诊断优化模型,应用遗传模拟退火优化算法进行故障诊断,寻找使构造的目标函数最小的最优解.将遗传算法和模拟退火算法结合,有效避免了遗传算法过早收敛和模拟退火算法全局搜索较差的缺点,解决了电网故障诊断结果多解和漏解的情况,实现了电网断路器和保护不正常动作的故障诊断.