非常快速模拟退火算法在椭偏数据处理中的应用及其改进策略研究

对比模拟退火算法介绍了非常快速模拟退火算法的流程,并使用非常模拟退火算法计算了椭偏数据。计算结果证明非常模拟退火算法的计算精度有所提高。然后分析了算法的退火计划和模型扰动,提出了算法的改进策略。     

基于遗传模拟退火融合算法的船舶分段装配序列优化

针对复杂船舶分段装配序列规划问题,提出基于遗传模拟退火算法的分段装配序列规划求解方法,综合考虑分段装配中的工艺约束和几何约束,建立以分段装配所需时间和消耗成本为优化目标的问题模型,并为模型求解设计了遗传模拟退火融合算法,将模拟退火算法的局部搜索能力与遗传算法的快速全局搜索能力相结合,达到快速收敛到全局最优解的目的.通过实例验证了该算法的有效性.     

钢边箱钢带冲齿布局算法设计

针对钢边箱包边钢带上冲齿计算机辅助排料加工问题,提出了一种快速优化布局算法,实现在避让剪角的前提下,自动优化选择多个工艺参数.算法以改进的模拟退火算法为基础,采用多边形检测算法实现剪角的自动避让.实例软件应用表明算法具有良好的收敛速度和有效的优化布局结果.     

基于模拟退火粒子群算法的圆柱齿轮减速器的可靠性优化

模拟退火粒子群算法将模拟退火思想引入具有杂交和高斯变异的粒子群算法中,是一种简单快速的随机全局优化算法。将模拟退火粒子群算法与可靠性优化设计理论相结合,建立了最大化减速器传动系统可靠度的优化模型,提出了基于模拟退火粒子群算法的圆柱齿轮减速器可靠性优化方法。利用该优化方法进行一圆柱齿轮减速器的优化设计,其优化结果明显优于基本粒子群算法、混合罚函数法和传统设计方法。算例表明,该优化方法具有全局收敛且精度高的优越特性,是一种有效的可靠性优化设计方法,并对其他机械部件可靠性优化具有一定的参考意义。     

模拟退火-爬山混合算法用于无波前传感器快速像差校正

为了校正激光光束波前像差,建立了一种基于压电微变形镜的自适应光学系统。提出了用模拟退火-爬山混合算法来控制系统中37单元单压电片变形镜,补偿激光光束波前像差,实现对光斑的快速校正。提出的混合算法先使用模拟退火算法为爬山法提供一个较好的校正起点,再用爬山法对像差进行精确校正,仅需要少量的模拟退火迭代过程即可提供一个好的校正起点。由于精确校正阶段的爬山法速度快,因此获得相同校正效果需要的迭代次数比普通模拟退火算法减少了50%以上;同时由于爬山法校正起点较好,大大降低了进入局部最优值的可能。最后,实验验证了模拟退火-爬山法对激光光束波前具有更佳的校正效率。     

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。     

改进的遗传算法在结构动力模型修正中的应用

结构动力模型修正是一个复杂的非线性优化问题,常规优化算法都存在优化效率低或容易进入局部最优的问题。基于微种群遗传算法和模拟退火算法提出了一种改进的微种群遗传算法,算法采用父代参与竞争的联赛选择方式,同时引入模拟退火优选机制实现个体的选择,并使用最优保存策略来保证群体的高适应度和基因的多样性。实例将改进的算法应用到结构动力模型修正问题,结果证明算法在保证修正精度的同时,收敛速度得到明显提高,验证了改进的遗传算法的有效性。     

一类混合模拟退火与蚁群优化算法及其收敛性分析

针对蚁群算法易陷入局部最优和模拟退火算法搜索效率低的缺点,利用蚁群算法搜索高效和模拟退火算法的概率突跳性,提出运用两者优点的混合算法,借鉴模拟退火算法来改善全局优化能力,并分析了算法收敛性。通过中国旅行商问题的求解表明算法的优越性。     

基于遗传模拟退火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模拟退火算法进行最优路径搜索的方法，此算法兼备了遗传算法和模拟退火算法的优点，还对路径的转折节点处进行了光滑性的改进，并且通过仿真实验证明了此方法能够快速得到最优路径。     

故障识别中并行组合模拟退火算法的应用

提出了一种基于并行组合模拟退火算法的故障识别方法，该混合算法综合了遗传算法和模拟退火算法的优点。详细讨论了并行组合模拟退火算法的原理及实现方法，并应用于两个设备诊断实例中，结果证实了该算法的有效性。     

浮点数编码改进遗传算法在平面度误差评定中的研究

随着智能制造系统的迅猛发展,应用元启发模式计算方法快速、准确地求解平面度误差值凸显出重大现实意义。为进一步提高平面度误差计算精度,研究了一种基于浮点数编码的改进遗传算法,在原有遗传算法的交叉变异基础之上,引入模拟退火思想,建立最小包容区域法的数学模型,通过计算机仿真获得了最佳适应度收敛曲线和平均适应度收敛曲线,优化结果表明相比传统遗传算法,平面度误差计算精度提高了33.67%。本算法采用浮点数编码、三段式交叉、转轮式选择和最优保存策略,借助模拟退火算法的局部搜索优势,提升了算法的整体性能,且更便于计算机编程,可进一步推广应用到智能测量仪器的其他高精度形位尺寸计算问题领域。     

基于改进BP神经网络的机床基础部件可再制造性评价模型

为了利用样本数据准确完成机床基础部件可再制造性评价,提高机床基础部件可再制造性评价预测精度,提出一种采用模拟退火遗传算法优化BP神经网络的机床基础部件可再制造性评价模型。该评价模型以机床基础部件可再制造性经典评价模型评价结果为样本数据,建立机床基础部件可再制造性评价BP神经网络预测模型,采用模拟退火遗传算法优化BP神经网络模型,寻找更优初始网络权值、阈值,以提高收敛速度和避免局部收敛。以一台机床基础部件可再制造性评价为例,验证了基于模拟退火遗传算法优化的BP神经网络评价模型具有更好的预测精度。     

超磁致伸缩执行器位移模型的参数辨识

准确辨识模型参数是提高超磁致伸缩执行器位移控制精度的关键,针对单一算法难以实现对超磁致伸缩磁滞非线性模型参数准确识别的问题,将遗传算法与模拟退火算法融合,首先利用遗传算法的快速搜索能力得到一个较优群体,再利用模拟退火算法的突跳能力对整个群体进行优化调整,并在算法中引入最优保留策略和动态步长搜索方法,提出一种改进的遗传模拟退火算法,并将其应用于对超磁致伸缩执行器位移磁滞非线性模型参数辨识。该算法兼具遗传算法和模拟退火算法的优点,既有较快的收敛速度,又提高了辨识精度和最优解质量。通过试验验证,超磁致伸缩棒伸长量的模型计算结果与测量值符合程度较好,平均相对误差为3.85%,该方法能方便有效地辨识模型参数。     

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.     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

具有交货期和工装数量约束的平行机调度

提出了一类具有工件交货期和工装数量约束的平行机调度问题.以降低部件拖期惩罚总费用为目标,建立了该问题的数学模型.提出一种遗传与模拟退火相混合的算法来求解该类问题,即GASA算法.算法在初始种群的生成上,采取了随机生成和按启发式规则生成相结合的方法;并引入模拟退火算法作为变异算子,以提高种群的多样性.最后,通过实例仿真,验证了GASA算法的有效性,并与GA算法进行了对比,对比结果表明GASA更优越.     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

自适应退火遗传算法的起重机箱形梁优化

为克服标准遗传算法的固有缺陷——停滞和早熟现象,将具有较强局部收索能力的模拟退火算法融入其中,对适应函数进行退火拉伸,对接受算子进行退火处理,同时加入自适应机制来改进标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其既能根据个体适应值的大小进行自适应修正,也能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.以最终形成了自适应退火遗传算法进行起重机主梁优化.经实例验证:与原标准遗传算法相比,在保证收敛结果不变的情况下,收敛速度和全局收敛性都得到了较大提高.     

基于遗传退火优化MSVM的齿轮箱故障诊断

为了实现齿轮箱典型故障的自适应准确辨识,提出一种遗传退火算法优化多核支持向量机的齿轮箱故障诊断模型。首先,将齿轮箱故障振动信号经验模式分解为多个内禀模态分量并提取其幅值能量特征;然后,再基于高斯核和多项式核构建多核支持向量机;最后,将表征齿轮箱故障特征的内禀模态分量能量输入到遗传退火算法优化的多核支持向量机进行故障模式辨识。理论分析表明,多核支持向量机能够逼近任意多元连续函数,遗传退火参数优化可快速准确得到多核支持向量机的全局最优参数向量。通过齿轮箱的故障模拟实验验证了该方法的有效性,结果表明,相比于传统的故障诊断模型,该方法显著提高了齿轮箱典型故障的诊断精度和泛化推广能力。     

A GA-SA Multiobjective Hybrid Search Algorithm for Integrating Lot Sizing and Sequencing in Flow-Line Scheduling

It is very important that the sequencing and lot sizing in the flow-line environment are not independent. They should be integrated. In this paper, a multiobjective hybrid evolutionary search algorithm which combines a genetic algorithm and a simulated annealing algorithm is proposed and the performance of the proposed algorithm is compared with the existing genetic algorithm and the simulated annealing algorithm. The algorithms are coded independently and the performance is compared with randomly generated test problems. The objective functions considered for evaluation are the minimisation of makespan, minimisation of overtime and minimisation of holding cost. The scalar fitness function combining all the three objective functions, which minimises total cost, is used. The results are presented in tables and figures. The results show that the proposed hybrid algorithm performs better than the genetic algorithm and the simulated annealing algorithm.