圆度误差评定快速算法

对圆度误差评定理论进行了研究，提出了一种圆度误差评定的快速算法，并采用这个乍江，编制了一套运用最小区域法，最在内接圆法和最小外接圆半判别虚接触点的微机软件。     

用MATLAB评定圆度误差的研究

通过对圆度评定的4种常用方法的分析,给出数学模型,利用数学软件MATLAB来实现圆度误差的自动处理,直接显示圆度误差值,并通过图示直观形象地看出圆度误差图形。实例证明,该软件算法正确,操作简单方便,界面友好。     

圆度误差评定的计算机实现方法

用最小二乘圆法研究圆度误差评定问题．提出一种圆度误差评定的计算机算法．在微机上用Ｃ语言实现确定最小二乘圆圆心,并以此为评定基准计算轮廓曲线上到该圆心的最大和最小半径之差即为圆度误差,并给出了实例     

基于遗传算法的圆柱度误差评定方法

建立了圆柱度误差最小区域评定的目标函数,并利用遗传算法对目标函数进行寻优,所建立的目标函数基于圆柱度误差最小区域定义,可以评定空间任意位置圆柱度误差的最小区域解,对测点无特殊要求,通过计算验证,该函数利用改进的遗传算法可以精确搜索到理想轴线的矢量方向并计算出圆柱度误差最小区域解,且计算结果稳定,该算法还可以推广用于圆柱轴线为基准的其它形位误差评定。     

基于遗传算法的圆柱度误差评定方法

建立了圆柱度误差最小区域评定的目标函数,并利用遗传算法对目标函数进行寻优.所建立的目标函数基于圆柱度误差最小区域定义,可以评定空间任意位置圆柱度误差的最小区域解,对测点无特殊要求.通过计算验证,该函数利用改进的遗传算法可以精确搜索到理想轴线的矢量方向并计算出圆柱度误差最小区域解,且计算结果稳定.该算法还可以推广用于圆柱轴线为基准的其它形位误差评定.     

圆度误差的评定和计算机处理

本文介绍按最小区域法评定圆度误差以及用PB-700计算机数据处理的原理和方法。     

基于遗传模拟退火算法的水库优化调度

采用遗传模拟退火算法研究了水电站单一水库的优化调度问题.根据水库优化调度的数学模型,提出了基于遗传模拟退火算法的优化调度的基本步骤.通过实例计算并与简单遗传算法相比较,表明该算法具有极强的局部搜索能力和较好的收敛性能     

基于变异概率自适应调整的逆序遗传算法研究

提出一种改进的遗传算法，根据个体适应度不同对变异概率进行自适应调整，使群体中的优良模式不易被破坏，同时又保证了种群个体的多样性，从而提高了算法的搜索效率。算法中改变了交叉与变异的操作顺序，避免了个体适应度的重复计算，提高运行速度。仿真结果表明，该算法优于普通遗传算法。     

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.     

基于模拟退火遗传算法的FIR数字滤波器设计

研究了用模拟退火遗传算法来设计FIR数字滤波器，并针对算法在寻优过程中，参数搜索缓慢的特点提出了改进方法，该方法在一定程度上提高了算法的搜索性能．并结合FIR低通数字滤波器的设计给出了仿真结果。     

一种新的自适应退火遗传算法

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能。基于这个思想提出一种新的自适应退火策略用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性。基于典型算例的仿真结果验证了该算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法。     

基于模拟退火与遗传算法结合的神经网络图像分割

为解决运用Hopfield神经网络优化算法处理图像分割存在的收敛速度与局部最优的矛盾,采用模拟退火策略与遗传算法结合的优化方法来改进传统的优化算法,对迭代收敛后的Hopfield网络在局部范围内运用模拟退火遗传算法,以搜索阈值平面全局最优解,进行图像分割。实验证明,采用此方法可以得到较好的分割效果。     

基于模拟退火遗传算法的PID参数整定与优化

结合模拟退火算法和遗传算法的思想,提出模拟退火遗传算法,用此算法进行PID参数整定与优化．同时使用自适应交叉率、变异率以及适应度拉伸方法对传统遗传算法进行改进．模拟退火遗传算法有效抑制早熟,且具有收敛性快、全局寻优与局部寻优能力．仿真结果表明,基于此算法寻优设计的PID控制器动态品质和稳定性更好、鲁棒性更强．     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火一遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火一遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。     

模拟退火算法对遗传神经网络优化的性能分析

遗传神经网络是利用遗传算法优化连接权值代替梯度下降法求解的方法,在遗传算法进化的过程中加入模拟退火算法,同时具有优秀的全局寻优能力和局部搜索能力,不仅能够提高运算收敛的速度和效率,而且可以有效避免出现早熟现象,防止陷入局部最优,同时性能也很稳定,完全能满足实时系统对精度和速度的要求。研究了遗传神经网络分别在复制、交叉和变异后应用模拟退火算子进行优化的方法,并且比较了三者在遗传神经网络优化中性能的优劣。     

遗传模拟退火算法在结构优化设计中的应用

遗传算法、模拟退火算法都是随机搜索方法,在处理全局优化、离散变量、多连通可行区等困难问题中,具有传统结构优化算法不可比拟的优势.笔者针对遗传算法和模拟退火算法的特点,取长补短,结合成一种混合遗传算法—遗传模拟退火混合算法.经改进后的混合算法既发挥了遗传算法全局搜索能力强的特点,又保留了模拟退火算法局部寻优效果好的优点.