计算机辅助课表编排技术的研究

讨论了几种实用的计算机辅助课表编排技术及其在实际编排中的应用，应用分析表明，采用分批与或图搜索和分批优化的匈牙利算法相结合的方法，在计算机辅助课表编排中是行之有效的。     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

引入模拟退火机制的新型遗传算法

提出了一种将遗传算法与模拟退火算法相结合的新搜索算法。该算法以遗传算法运算流程作为主体流程,并把模拟退火机制融入其中,用以调整优化群体。在进化过程中使用了保留策略,以保存适应度较好的个体。在模拟退火算法的跳变操作过程中使用类似遗传算法变异来实现,先作置反操作,再作前后等长交换操作,以防止陷入局部最优。实验表明,该算法与传统遗传算法相比,提高了进化速度和全局寻优能力。     

基于链式遗传-模拟退火混合算法的电网扩展规划

将模拟退火机制引入到食物链生态进化算法,提出了链式遗传-模拟退火混合算法（CAGSAH）,对种群执行并行退火操作,弥补食物链生态进化算法爬山能力不足,提高算法全局寻优能力。给出了链式遗传-模拟退火混合算法的详细计算流程,并将其应用到求解电网扩展规划问题,实际计算结果显示链式遗传-模拟退火混合算法在搜索效率及收敛性能上明显优于食物链生态进化算法。     

一类模拟退火算法与遗传算法混合优化策略

提出一类模拟退火算法（GA）和遗传算法（SA）的混合策略。算法结构上,提出模拟退火算法与遗传算法相结合,既发挥模拟退火算法搜索面广、遗传算法收敛快的优点,又克服前者收敛速度较慢而后者收敛容易早熟的问题。在算法操作细节上,加入杰出个体保护策略及自适应调整的遗传操作,以及增加记忆功能的模拟退火操作与收敛准则。从而既防止算法陷入局部最优,又提高收敛速度及搜索效率。     

基于模拟退火的自适应差分演化算法研究

基于模拟退火的自适应差分演化算法.通过模拟退火的更新策略来增强全局搜索能力,并提出了新的自适应技术来选择学习策略、确定算法的关键参数.数值实验及与同类算法的比较研究表明了该算法的有效性和优越性.     

基于模拟退火的量子进化算法

针对量子进化算法全局搜索能力强而局部寻优能力弱的特点,提出一种基于模拟退火的量子进化算法。该方法将模拟退火算法引入到量子进化算法中,在采用量子进化算法进行解空间全局搜索的同时,用模拟退火算法加强局部寻优能力,以有效平衡算法的开采与勘探能力。采用著名的NP难组合优化问题———背包问题为例进行实验,结果表明:本文方法获得了比量子进化算法更好的解,证实了其有效性。     

改进的模拟退火算法及其收敛性研究

高维连续函数的全局优化问题广泛存在于计算生物学、计算化学等诸多领域。针对这类问题,本文给出了一类改进的模拟退火算法,将局部极小化过程引入模拟退火算法。并采用一种简单的方法证明了该算法以概率1收敛于全局最优解。     

基于遗传模拟退火算法的静态路径规划研究

针对传统遗传算法在基于神经网络模型的移动机器人静态路径规划中求解最优路径时存在的收敛较慢、易陷入局部极值点的问题，提出了一种基于遗传模拟退火算法的静态路径规划方法．通过对算法进行实验仿真，结果表明提出的静态路径规划方法是正确有效的．     

混合GA与SA求解非线性约束优化

在蜚 线性约束优化中，处理好约束条件和增强局部搜索能力是解决这类问题的关键。本文在给出问题一般形式的基础上，设计了一个模型退火和遗传算法结合的算法。它用模拟退火算法来增强局部搜索能力，用线性交叉来处理约束以外的解，将可行解与不可行解用适应值的正负来区分。仿真试验表明，该算法收敛速度快、搜索能力强、稳健性好，本方法是对应用遗传算法求解非线性约束优化问题的又一次深入探索。     

基于模拟退火进化算法的公交车调度模型

本文主要是建立了以公交车的收益为目标函数和乘客的满意度为约束条件的公交车调度优化模型,通过对这个模型分析、假设提出了由等待时间和车上拥挤度产生的满意度,设计了一个基于自适应算子的模拟退火进化算法,并对该算法进行了讨论.     

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.     

基于模拟退火算法的通用无纸化考试系统研究

简要介绍了无纸化考试系统的现状,针对大多数考试系统通用性差的特点,提出一种通用试题库考试系统的设计思路．分析了系统的功能结构,并设计了多模块子系统的组成结构,利用客户机／服务器方式使系统的管理模式和考试模式分离．试题库设计采用主数据库和课程数据库统一管理的形式实现通用性,并在考试系统服务器上设置试卷数据库来临时存储从通用试题库中随机抽取生成的试卷．通过对传统组卷算法的优劣性分析,提出一种基于模拟迟火算法的智能组卷技术,具有组卷效率高、时间和空间复杂度小的优点,有效地提高了考试系统的工作效率．     

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。     

基于遗传模拟退火算法的结构可靠性分析

为了克服一次二矩法在迭代求可靠性指标时可能不收敛或收敛于局部验算点的缺点以及现有遗传算法局部搜索效率不高的问题,提出了采用混合模拟退火与遗传算法计算结构可靠性的新方法.先采用遗传算法开始随机搜索,通过选择、交叉、变异等遗传操作产生新的个体,再对这些个体分别进行模拟退火,以其结果作为下一代群体中的个体.结合有限元计算,给出了船舶三维空间梁板结构的功能函数,并采用遗传模拟退火算法求结构可靠性指标.算例分析表明该方法计算精度高,为求解结构可靠性指标提供了一种新的思路.     

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.     

基于模拟退火算法的空间度量物化选择

为了解决空间OLAP的响应速度存在着存储空间和时间代价的矛盾,通过空间立方体的选择物化方法来实现空间要素有效而实用的选择合并,提高联机分析的响应速度.采用模拟退火算法,以空间对象面状区域的合并为例,进行空间度量物化选择,将模拟退火算法融入PIA算法中,同时把空间对象(面状)与其它类型的空间对象(点状、线状)的关联关系(交、含、邻)作为空间对象合并的共享性与实用性的考查指标,加入目标函数当中.实验结果表明:随着空间对象数据的增加,模拟退火算法与PIA算法,两种算法的时间代价仅有较少的增长,均具较好的伸缩性,在空间对象数目100~400时,PIA算法优于模拟退火算法,当空间对象数目大于400后模拟退火算法时间代价缓慢增长,而PIA算法时间代价急剧增大;在模拟退火算法中空间对象集合的空间关联度越高,选中几率越高.融入PIA的模拟退火算法具有良好的伸缩性,并提高了空间度量合并解的优化,增加了空间度量选择物化的实用性.     

基于模拟退火算法的I/Q不平衡校正

零中频发射机架构是目前集成度最高的发射机架构之一,直流偏置不平衡和I/Q不平衡的问题会大大降低其发射效率,并且会产生显著的镜像干扰信号、本振泄露信号和与有用信号同频的干扰信号.为了解决零中频发射机架构的I/Q不平衡问题,提出利用发射机和接收机射频前端的反馈回路,在数字域使用模拟退火算法（SAA）对I/Q不平衡的补偿因子进行闭环搜索,提出I/Q不平衡校正的新方法.在Simulink软件中进行建模仿真,模拟结果表明,所提方法在不同强度的高斯白噪声条件下能够有效地对I/Q不平衡进行校正.在LMS7002M集成式收发芯片的基础上,搭建了所需要的零中频发射机校正实验平台.实验结果表明,所提方法具有良好的温度适应性和频率适应性,在-20~50℃的温度条件下,所提方法的平均镜像抑制度为-60.5 dBc;在1 600~2 400 MHz的频率条件下,平均镜像抑制度为-57.5 dBc.     

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.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.