一种新的数字调制信号分类特征选择算法

针对调制信号分类特征选择问题,提出了自适应惯性权重模拟退火二进制离散粒子群算法。该算法将模拟退火算法嵌入到离散粒子群算法循环体中,利用模拟退火算法具有较强的局部搜索能力和避免陷入局部最优解的特点,解决了简单智能优化算法早熟收敛和局部搜索能力弱等问题。仿真结果表明,该算法能有效选取最优特征,性能优于简单离散粒子群算法和遗传算法。     

基于函数复杂度的自适应模拟退火和禁忌搜索新算法

在求解多峰复杂函数的过程中,传统的模拟退火算法和禁忌搜索算法经常出现算法快速收敛于局部最优解、后期收敛速度变慢和搜索能力变差等问题.为解决这些问题,本文给出函数复杂度的定义,并提出基于函数复杂度的自适应模拟退火和禁忌搜索算法.该算法首先根据函数复杂度自适应调整步长控制参数,然后根据调整后步长求得函数的粗糙解,在此基础上再使用初始步长求得全局最优解.实验表明,该算法不仅可以跳出局部最优解的限制,并且减少了迭代次数,有效地提高了全局和局部搜索能力.     

一种基于进化模型的聚类算法

对于模糊聚类算法对初值或者隶属度矩阵敏感,不能保证收敛到全局最优解的问题,文中提出了一种新的进化聚类算法遗传模拟退火聚类算法SAGA-FCM。利用模拟退火算法较强的局部搜索能力和遗传算法较强的全局搜索能力,以避免模糊聚类算法收敛到局部极值或鞍点。实验对不同的人工数据集进行测试,结果分析表明SAGA-FCM算法有比较好的收敛值和收敛速率,具有良好的聚类效果。     

基于遗传模拟退火算法的DNA多序列比对研究

针对生物信息学中DNA多序列比对问题,提出了一种基于遗传算法和模拟退火算法相结合的求解算法:在遗传模拟退火算法中,利用模拟退火算法针对遗传算子进行改进来提高算法的效率,由遗传算法进行全局搜索,模拟退火算法用于局部寻优,防止遗传算法的早熟收敛。通过与经典比对算法ClustalX和经典遗传算法进行比对研究,结果表明该算法是有效的。     

改进的遗传算法在(N+M)容错系统优化中的应用

根据(N M)容错控制系统模型高度非线性和复杂性的特点，尝试用一种改进的遗传算法来实现对此类复杂模型的优化求解。模拟退火和分层遗传算法是2种较好的改进遗传算法性能的方法，通过对其进行研究，将这两种思想有机地结合起来，提出了一种基于模拟退火机制的分层遗传算法。该算法以分层遗传算法流程作为主体流程，把模拟退火机制融入其中，用以调整优化群体。并将他应用于(N M)容错系统的数学模型的优化。仿真结果表明，该算法与传统遗传算法相比，不仅能增强算法的全局收敛性，还能加快遗传进化速度，得到满意的全局最优解。     

双层膜椭偏数据处理的新算法

为了准确测量双层透明膜,有效地结合了模拟退火法和单纯形法的优点,提出一种模拟退火-单纯形混合算法来处理双层透明膜的椭偏数据。在单波长测量时,仅测量1组椭偏参量,可以求解双层透明膜任意两个参量;测量两组以上椭偏参量,可以同时反演双层透明膜4个参量,求解薄膜折射率和厚度精度分别达到0.0002和0.07nm。结果表明,模拟退火-单纯形混合算法反演双层透明膜参量是可行和可靠的,且有较强的样品适应性。该算法适合于单波长椭偏仪对双层及多层膜的反演及实际测量。     

基于模拟退火和自适应遗传算法的影子定位多参数优化研究

文章针对由多变量影子坐标确定拍摄地点的问题,提出了一种将模拟退火算法和遗传算法相结合的求解方法。首先全面分析所有的未知参量包括杆长、经纬度和坐标旋转角,确定未知参量与已知条件的数学关系,以实际坐标与理论计算坐标的误差最小为目标函数,将其倒数作为遗传算法的适应度函数,采用自适应变化的交叉变异算子并用模拟退火算法更新产生新个体,寻找全局最优解。实验结果表明该求解方法在计算速度和全局收敛方面都取得了理想的效果。     

基于模拟退火菌群-RBF神经网络的甲醇净化CO_2含量软测量模型

为了解决菌群优化(BFO)算法易陷入局部最优,趋化操作中翻转方向不确定的问题,利用模拟退火(SA)算法在获得局部最优解的情况下能够以极大可能趋向于全局最优解的特点,提出模拟退火-菌群优化(SA-BFO)算法。同时,将改进后的算法用于优化RBF神经网络,建立基于甲醇净化CO2含量的软测量模型。仿真结果表明该模型具有更高的精度和准确性,对甲醇生产量的提高具有一定的贡献价值。     

同型机调度问题的混合ACO-SA优化算法研究

针对同型机调度问题,提出一种蚁群-模拟退火两阶段优化算法.构造了问题域蚁群模型,运用蚁群算法展开全局搜索,通过自适应调整闻值改善空间探索与局部开采的平衡;为提高搜索精度,引入模拟退火算法,将蚁群算法的最好解作为其初始解,在邻域内进行精细搜索,利用其概率突跳特性有效避免算法陷入局部最优.实验结果表明混合算法具有稳定而优良的寻优能力.     

时间域电磁勘探数据的模拟退火法反演研究

地电模型的高度非线性和非惟一性限制了模拟退火法反演在电磁勘探领域中的应用。该文采用改进的模拟退火算法,实现了时间域电磁法数据的模拟退火法反演。首先通过双重数字滤波方法简化了正演计算过程,然后将非线性反演问题转化为最优化问题,采用模拟退火算法搜索全局最优解。改进的搜索策略能自适应地调整搜索步长,提高了最优解的搜索效率。与传统反演方法进行对比实验,结果表明该方法能有效获得全局最优解,得到更加准确的地电模型参数。     

模拟退火遗传算法在混凝土层析成像中的应用

混凝土超声层析成像检测中,成像结果的稳定性和精确性仍很难满足实际要求.针对这个问题,提出一种基于模拟退火遗传算法的层析成像技术,根据超声波在混凝土中的传播特点,首先在反演算法中引入物理意义明确的自然权函数,形成二次增广目标函数方程;而后加入模拟退火搜索,使层析过程加速,并改善算法收敛性和稳定性;最后通过多位变异自适应遗传算法计算最优反演层析成像结果.数值仿真实验表明,由于利用了正确的先验信息,加上遗传模拟退火算法在寻找函数极值方面具有优良的特性,计算结果准确有效,数值稳定,成像结果能真实有效地反映对象内部缺陷,分辨力得到了明显改善.     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

SAGA在软件测试数据自动生成中的应用

总结了测试数据自动生成的通用模型,把模拟退火遗传算法(SAGA)引入模型中作为核心搜索方法,避免了单一遗传算法易陷入局部最优的问题。在算法中,通过实施模拟退火筛选、改进加速适应度函数和控制温度迭代方式达到了模拟退火算法(SA)与遗传算法(GA)的有机融合,并优化了SA的邻域构造方式,加入了遗传算法的最优保留策略,使得算法在收敛效率等方面更加有效。试验证明,该方法是有效的测试数据自动生成方法。     

基于变异算子与模拟退火混合的人工鱼群优化算法

人工鱼群算法(AFSA)是一种新型的群智能随机全局优化技术.本文在分析AFSA存在不足的基础上,提出了基于变异算子与模拟退火混合的人工鱼群优化算法.该算法保持了AFSA算法简单、易实现的特点,克服了人工鱼漫无目的随机游动或在非全局极值点的大量聚集,显著提高了算法的运行效率和求解质量.通过函数和实例测试验证,表明了该算法是可行和有效的.     

基于TSP问题的混合遗传算法研究

文章在介绍遗传算法和混合遗传算法思想的理论基础上,分析了遗传算法的主要优缺点和改进算法的有效性原则,利用模拟退火算法的局部寻优能力提出了一种改进的遗传模拟退火算法。结合两者的优点,对其中的选择、交叉和变异操作进行了改进,并将其运用到TSP问题的求解之中。同时,给出了算法的具体实现过程,并进行了仿真实验,证明了混合算法的有效性。     

用透射光谱和模拟退火算法确定薄膜光学常数

提出了用透射光谱曲线和模拟退火算法同时确定薄膜材料折射率n、消光系数k及薄膜厚度d的方法,并给出了严格的理论公式和计算程序框架图。为了验证此方法的准确性和可行性,先进行了计算模拟,然后对SiNx薄膜进行了测量。模拟结果与理论值非常接近,根据实验结果恢复出来的曲线与原始实验曲线吻合得很好。此方法具有非破坏性、测量简单、操作方便、稳定性好和计算收敛速度快、精度高等特点。     

目标表面BRDF统计建模中的遗传模拟退火算法

结合基本遗传算法与模拟退火算法,构造出了新的具有全局搜索优化特性的遗传模拟退火算法.根据卫星表面BRDF实验数据和统计模型,引用遗传模拟退火算法,获得样片BRDF模型参数的优化估计,从而获得了三维空间的BRDF分布,其优化参数后的模型在另一部分数据上也得到了很好的吻合验证.     

一种进化模拟退火矢量量化图像编码新算法

模拟进化和模拟退火是解决全局优化问题的随机搜索技术,它们在工程领域有着广泛的应用.本文将这两种技术有机结合,提出了一种进化模拟退火算法,并用其解决图像编码矢量量化码书设计问题.实验表明,算法具有收敛速度快、码书性能佳等优点.