模拟退火算法在军用桥梁优化设计中的应用

军用桥梁结构优化设计中包含两类设计变量：连续变量和离散变量,混合变量优化设计问题是军用桥梁界普遍关注的问题。介绍了一种新的优化设计方法——模拟退火算法,其突出的优点是可以求得全局最优解。以军用桁架桥为例,对军用桥梁结构设计中连续和离散混合设计变量的优化问题进行了分析,计算结果表明该方法是可行的。对算法在军用桥渡结构设计中的应用提出了几个研究方向。     

基于改进稳态遗传算法的桥梁有限元模型修正

由于测试误差和结构参数的不确定性,有限元模型修正的局部最优解和全局最优解均有可能是真实解。为了同时获取模型修正的局部最优解和全局最优解,文章提出一种改进的稳态遗传算法(ISSGA)。该算法通过一种双角度算子来判定目标函数的可行解,并通过定义可行解的伴侣解不断优化解的位置,实现目标函数局部最优和全局最优解的寻找。通过两个测试函数和一座混凝土箱梁桥模型修正案例,验证了ISSGA算法的精度、稳定性和计算效率,并明确了算法中各个参数的取值依据。结果表明:ISSGA可同时获得目标函数的局部和全局最优解;双角度算子可有效避免局部最优解的遗漏;ISSGA算法为获得模型修正合理解提供了可能。     

三维水平井井眼轨迹设计最优控制模型及算法

针对三维水平井井眼轨迹优化设计问题，首次建立了以非线性状态方程为主要约束条件的目标控制模型，依该模型的特点，构造了改进的Hooke-Jeeves优化算法，为获得全局最优解，采用均匀设计方法选取初始点，计算结果证明了模型、算法及研制软件的正确性与有效性，而且具有计算时间短，结果精度高等特点。     

基于模拟退火算法的输电网中长期规划研究

模拟退火算法是一种解决组合优化问题的有效方法,其最终优化结果不依赖于初始解的选择,理论上可避免算法过早收敛于局部最小点,从而保证找到全局最优解或全局近似最优解．本文将模拟退火算法用于输电网中长期规划问题的研究,详细介绍了算法实现过程中各种参数的选择方法并给出了具体算例．试算结果表明利用该算法得到的优化结果是令人满意的．     

格雷码混合加速遗传算法及其性能分析

通过在格雷码遗传算法进化过程中加入单纯形法学习算子,并利用格雷码遗传算法和单纯形法所得到的优秀个体群,作为变量新的变化范围,逐步缩小搜索空间,自动向最优解收缩,提出了求解非线性规划问题全局解的一种快速算法--格雷码混合加速遗传算法(GHAGA).为了在可行域内能得到全局最优解,在参数的定义域内投放了大量的均匀随机初始点作为初始群体.给出了GHAGA算法实施的详细步骤,建立了GHAGA相应的收敛定理,并分析了该算法的全局优化性能.理论分析和数值模拟表明,GHAGA具有精度高、收敛速度快的特点,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的较好的非线性规划方法.     

面向闭塞分区划分问题的模拟退火算法研究

闭塞分区划分是区间闭塞设计的重要内容,对列车运行的安全和效率有直接影响。为较好地提出划分方案,在深入地分析了闭塞分区划分方案的各种影响因素及目标之后,提出了闭塞分区划分的优化模型。设计了利用模拟退火算法对闭塞分区划分的基本流程,并采用模拟退火算法对该模型求解。由于模拟退火算法具有概率式搜索的特点,可避免使搜索结果陷入局部最优解,而得到全局最优解。结合实例研究表明模拟退火算法对闭塞分区划分问题的优化是有效的,并在得到不同目标的划分方案的基础上,在综合考虑安全、效率和经济的因素之后选用合理的划分方案,从而提高了闭塞分区划分的效率和质量。     

基于模拟退火算法的属性均值聚类算法

基于对属性均值聚类算法和求解全局优化问题的方法的分析,提出了基于模拟退火算法的属性均值聚类算法。数值计算表明该算法是一个具有全局最优解的聚类方法。     

禁忌粒子群算法在几何约束求解中的应用

约束问题可以转化为优化问题。针对粒子群优化算法在算法后期易陷入局部最优的缺点，本文提出禁忌粒子群优化算法（TPS0），在算法的前期采用粒子群算法快速产生全局最优解信息素的初始分布，后期引入禁忌搜索算法，记录已经达到的局部最优解，在下一次搜索中，不再或者有选择地搜索这些点，从而跳出局部最优点，并且在搜索过程中允许接受劣解，充分利用禁忌搜索的记忆能力及较强的爬山能力，大大提高了获得全局最优解的概率。该算法综合了粒子群优化算法的快速性、随机性和全局收敛性以及禁忌搜索局部寻优的能力。在确保全局收敛性的基础上，能够快速搜索到高质量的优化解。该方法用于几何约束求解的性能明显高于标准粒子群算法，算法具有良好的优化性能和时间性能。     

基于跨邻域搜索的连续域蚁群优化算法

针对连续域蚁群算法寻优能力差、容易产生局部最优的问题,提出了一种基于跨邻域搜索的改进蚁群算法。首先,通过自适应种群划分方式计算可行解和不可行解群体;然后,针对不可行解群体利用自主选择学习算子选择对象进行学习,目的是不断扩大种群规模,避免算法陷入局部极值点,继而对可行解群体采取全局跨邻域搜索的方式,引导蚂蚁向全局最优解靠近,加快收敛速度;最后,基于全局最优解采用局部跨邻域的方式引导蚂蚁在小范围内进行细致搜索,提高收敛精度。通过与其他连续域蚁群优化算法针对CEC2017测试函数在低维和高维情况下的实验对比,证明本文算法具有较好的寻优能力和稳定性,能有效避免陷入局部最优。     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

利用模拟退火算法优化计算通讯网络极小生成树

介绍了模拟退火算法的基本思想 ,并应用它成功地解决了通讯网络极小生成树的优化计算问题。计算结果表明 :该算法能有效地跳出局部极小值并快速地收敛于全局最优值。说明模拟退火算法是一个通用的、具有概率爬山的、强有力的组合优化算法     

波长选路光网络中基于模拟退火改进的WA算法

结合波长选路光网络特性和图着色理论,通过模拟退火算法求解得到网络最小所需的波长数,从而对波长分配算法进行一定优化.与已有算法比较,采用模拟退火算法可以有效地消除波长分配的盲目性和随机性.利用计算机随机产生不同规模的正则随机网络和一定的流量请求,对网络进行仿真和比较实验,证明了新算法有更高的波长分配效率,以此求得的网络所需波长数,更接近理论最小值.     

基于GA-SA算法的无人机巡检输电铁塔三维航迹优化

无人机巡检输电铁塔本体和金具、绝缘子等附属部件的航迹优化属于典型的旅行商问题。由于巡检对象的结构复杂、巡检部件多,采用单一的启发式算法会造成航迹重叠、容易陷入局部最优解等问题。为此,考虑无人机航迹三维空间结构的特点,引入全局搜索能力强的遗传算法(genetic algorithm, GA)与局部收敛速度快的模拟退火算法(simulated annealing, SA)相结合的无人机三维航迹混合GA-SA寻优算法。以无人机巡检500 kV超高压交流双回鼓型塔为例,根据三维有限元仿真得到的无人机电磁防护安全距离为2 m,结合巡检对象及常见缺陷出现的位置确定了61个高空安全悬停点,分别采用GA、SA和混合GA-SA算法对无人机遍历高空安全悬停点的航迹进行优化。结果表明：混合GA-SA算法的迭代收敛次数相比GA和SA分别减小了45.6%与55.2%,最优航迹距离分别缩短了8.1%与8.9%,验证了所提方法的有效性。     

模拟退火算法在透平叶栅多目标优化设计中的应用

将模拟退炎算法与透平叶栅跨音速粘流气动计算相结合,并将其应用于透平叶栅的多目标优化设计。在多目标优化设计中,采用最小偏差法,并以叶栅的损失系数和做功能力为目标函数进行了优化设计。优化结果表明,此方法能够克服传统优化算法及易降入局部极值的缺点,因而得到了比传统算法更优的设计方案。     

基于模拟退火算法的HPGe γ能谱峰解析

提出了基于模拟退火算法的HPGeγ能谱峰解析方法.采用高斯函数模型对同一152Eu放射源不同测量活时间的γ能谱中的独立峰以及双重峰进行了拟合分析,实测谱数据与模型数据之间的夹角余弦值介于0.996 88～0.999 68之间.全能峰峰面积与测量活时间呈线性关系,且线性相关系数均大于0.999 99,峰面积相对误差小于0.8%.研究表明,模拟退火算法是解析HPGeγ能谱峰的一种有效可行的全局优化算法.     

对模拟退火算法解不均匀性的改善

模拟退火算法(SA)是一种对复杂的组合问题很有效的最优化算法,例如LSI设计中的布局设计,但模拟退火算法需要很长的执行时间,所以许多的研究者都在研究更快的模拟退火技术.在观察到模拟退火算法得到的结果可能会产生不均匀性,并且在几个简单集成模块布局问题的实验中发现这种不均匀性超过了30%,由此提出了一个改善SA算法结果的方法,称之为TOSA算法.通过对标准布局问题的实验,证明了SA算法结果的不均匀性和TOSA算法的有效性.在应用TOSA算法对8个全局标准布局问题IBM01～IBM02和IBM07～IBM12进行的布局实验中,相较于原始的模拟退火算法,在解的质量上获得了平均4%～7%的改善.     

基于模拟退火遗传算法的IIR数字滤波器参数优化设计

结合模拟退火算法的思想和遗传算法的思想,提出模拟退火遗传算法,并用此算法进行滤波器参数整定与优化,同时使用自适应交叉率和变异率,以及适应度拉伸方法对传统遗传算法进行改进。该算法有效抑制早熟,又具有收敛性快、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滤波器控制器具有更好的滤波特性。     

机构综合的混沌优化算法

针对机构综合的非线性方程组求解问题提出了一种混合混沌算法,将方程组转换成一个优化问题,然后利用优化问题的非线性共轭梯度法与混沌优化方法相结合进行优化求解,该算法能使非线性共轭梯度法跳出局部最优,最终获得全局最优.机构综合实例表明：笔者提出的方法能够求出非线性方程组的所有实数解,算法有效、简单、实用.     

求解总体极值问题的山丘函数方法

利用山丘函数，可将目标函数的某个局部极小点变换为一个局部极大点，使迭代点尽快离开当前的吸引区域而进入到一个新的吸引区域中，这样能有效地求出下一个更好的局部极小点来，在此基础上可进一步求得问题的总体极值。     

用遗传算法进行路径规划

本文在一种基于网络结构的并行路径规划算法的基础上，为解决该算法的全局最优问题，引入了遗传算法。由于所针对具体的问题的特殊性，本文所使用的遗传算法和通常的遗传算法在某些方面上有所不同。本文所用的遗传算法，采用了“远亲交配”的思想以获取新一代的成员，取得了较好的仿真结果。