基于边界移动法的高炉炉缸侵蚀监测模型

基于预埋在高炉炉缸内热电偶反馈的温度数据,联合数值传热计算和最优化理论的梯度下降法寻找最优化的边界移动步长因子,建立了高炉炉缸侵蚀监测模型.应用建立的模型可有效求解未知边界的传热反问题.将热电偶反馈的监测数据作为输入数据,应用建立的炉缸侵蚀监测模型对其进行未知边界问题反演求解,计算得到了炉缸内衬侵蚀形貌和残厚.把已知炉缸侵蚀形貌和相应的热电偶测温数据的高炉炉缸作为校验模型样本,模型预测与样本的侵蚀形貌对比表明其相对误差平均值为3.6%,确认了炉缸侵蚀监测模型的可靠性.     

基于轮廓向量集和遗传算法的高炉炉缸内衬侵蚀预测模型

针对高炉炉缸连续式生产、工况恶劣以及耐火材料内衬实际形貌在生产过程中不断变化的特点,提出了一种利用轮廓向量集表征炉缸内衬热面形状的简易方法,从而将求解未知定温边界几何形状的复杂反问题归结为搜索最佳轮廓向量集合的最优化数学问题.结合数值传热学、有限元法以及遗传算法,建立了能够准确预测高炉炉缸内衬轮廓的传热"反问题"数学模型.在陶瓷杯复合炉缸的基础上,制备典型的非均匀"象脚状"异常侵蚀数值样本,对模型的有效性、稳定性以及计算结果的精确度进行了校验.结果表明,上述模型具有广阔的实际应用前景.     

基于遗传模拟退火算法的任务分配与调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源。因此计算任务在各种资源之间的调度成为了一个关键的问题。结合遗传算法GA和模拟退火算法SA的优点,提出了一种全局遗传模拟退火算法GGSAA,并将算法应用于网格计算任务调度问题的求解之中。最后给出了GGSAA算法的仿真结果。     

基于模糊推理的鸡群优化算法

针对鸡群算法(CSO)在求解高维复杂优化问题时往往会陷入局部解的问题,提出了基于模糊推理的鸡群优化算法.该方法利用模糊推理改进了母鸡和小鸡的位置更新公式,增强了鸡群全局搜索能力;利用惯性粒子,增强了鸡群的信息共享,从而增加了局部搜索能力,并用Tent映射对粒子进行扰动.数值试验结果表明:该算法能快速收敛到全局最优解,而且具有较高的全局寻优能力和计算精度.     

一种高效的快速模拟退火算法

基于对经典模拟退火算法的分析,给出了一种新的快速模拟退火算法。数值计算结果表明,采用本文的快速模拟退火算法可以显著地提高求解全局优化问题的计算效率     

基于密度法的传热结构拓扑优化设计

传统的传热结构设计一般是基于热力学计算及工程经验,然而这种方法很难解决复杂边界条件的传热结构的设计问题.采用传热结构拓扑优化设计方法可有效解决传统设计方法难以解决的复杂边界问题.以密度法为基础,建立了散热弱度为目标函数的传热结构拓扑优化数学模型,推出了满足KKT(Karush-Kuhn-Tucker)条件的最优准则法迭代公式.采用高阶单元的方法消除了优化过程中的数值不稳定现象.通过Dirichlet边界和Neumann边界不同组合下的数值算例,验证了算法的有效性.薄壁管的算例也表明,该算法也适用于三维壳体问题.     

用基于模拟退火算法的进化策略求解非线性方程组

针对传统的非线性方程组求解算法如梯度下降法和牛顿法,存在着其收敛性问题,性能特征在很大程度上依赖于初始点和串行运行造成效率低等问题;该文提出了一种并行求解非线性方程组的基于模拟退火算法的进化策略,在改进的进化策略运行中融入模拟退火算子,实现了模拟退火良好的局部搜索能力和进化策略全局搜索能力的结合,有效地解决了传统算法的初始点敏感和效率低的问题,数值计算结果表明,该算法收敛速度快、精度高、鲁棒性强,为求解非线性方程组提供了一种有效的方法.     

基于模拟退火算法的磁感应治疗热籽分布

肿瘤区域内的热籽适形分布算法是肿瘤磁感应治疗计划系统中的一个关键技术,其核心问题是使用最小数量的热籽达到预期的温度场分布。为解决热籽适形分布问题,该文提出了结合热籽产热传热学的模拟退火算法。分析了应用模拟退火算法解决热籽分布问题的计算方法,包括热籽分布模型的设计、产热传热模型的建立以及退火计划的设计。考虑到热籽分布问题的特殊性,重新定义了初始温度与停止条件、评价函数与接受概率、退火策略以及具体计算步骤。通过计算机仿真对肿瘤区域建模与网格化、热籽植入模型、温度场分布以及算法迭代进行了模拟,验证了应用模拟退火算法解决热籽分布问题的可行性。     

应用混合优化算法求解一类热传导反问题

热传导反问题具有非线性,不适定性等特点,研究方法很多,但通常方法很难较好地接近全局最优.在遗传算法的基础上,研究了基于遗传算法+梯度法的混合优化算法求解一类热传导反问题.具体介绍依据目标函数如何利用上述的算法寻找最优参数组合.进行了大量仿真实验,结果显示在解决热传导反问题优化问题中,混合优化算法性能优越,具有良好的收敛性和快速性.     

一种改进模拟退火算法求解目标优化

标准的模拟退火算法是随机神经网络解决能量局部极小问题的一个有效方法,该算法能够使网络摆脱能量局部极小的束缚,最终达到期望的能量全局最小状态,但是在求解具有NPC问题时需要花费较长时间;提出了基于传统的模拟退火算法一个改进算法,并用于求解经典的TSP问题。由仿真试验结果分析得到,该方法在收敛速度上优于传统的模拟退火算法。     

基于动态参数蚁群算法的寻源导热反问题研究

基于蚁群优化算法,求解含有未知内热源位置的导热逆问题.通过分析计算表明:信息素启发因子、能见度启发因子、信息素挥发率等蚁群参数对蚁群选择路径以及路径上信息素浓度更新有直接影响,其取值最终会影响求解结果的准确性及收敛速度.在计算过程中,路径上的信息素浓度不断改变,蚂蚁选择路径也趋于集中,采用定值蚁群参数不能满足在整个计算过程中都具有良好的性能,为此提出了动态参数蚁群算法,并根据计算分析结果确定蚁群参数值随全局循环次数而变的动态函数.计算结果证明,采用动态参数蚁群算法能有效提高求解反问题的质量及收敛速度.     

二维稳态导热反问题的正则化解法

构造求解二维导热反问题的数值迭代解法,并以含内热源二维导热问题为背景,采用该迭代解法确定材料热传导系数。在每个迭代步中采用Tikhonov正则化方法克服反问题固有的不适定性。数值算例表明,该方法可行、有效,不仅适用于单介质热物性参数反演问题,而且适用于多介质热物性参数反演问题。     

基于模拟退火原理的模糊C-均值聚类在证券市场中的应用

通过将模拟退火技术与模糊C-均值聚类相结合,提出了一种新的具有全局优化的模糊C-均值聚类算法,用于解决一般动态聚类方法中聚类结果对初始中心的敏感性问题。利用该方法,对上证50指数分类,并对分类结果的特征进行了分析。仿真结果表明该方法是一个具有全局最优解聚类方法。     

一种混凝土重力坝分区弹模反演新方法

建立了一种解决实际工程中测点数少于待反演参数个数的混凝土重力坝分区弹模反演问题的新方法。这种方法利用已知的补充信息作为反演问题的物理约束条件，建立参数反演的多目标优化数学模型，解决了反演结果的惟一性问题；并且使用改进的模拟退火算法这种全局最优算法来求解大坝的分区弹模。数值算例表明，这种方法对大坝反演问题具有较高的识别精度，反演结果可靠，可以应用于实际工程。     

识别材料导热系数和导温系数的温度场逆分析

为了识别材料导热系数和导温系数,采用观测温度同时识别材料导热系数和比热容,在建立同时确定导热系数和比热容的肯态温度场逆分析数值计算模型的基础上,引入混沌优化方法求解该优化模型。以克服阻尼牛屯等方法求解该模型所遇到的困难,在瞬态温度场正问题求解中采用了精细积分方法以提高计算精度,算例验证了本文方法的有效性。     

同步推送系统模糊控制的在线学习

为了解决气冲造型线普遍存在的推送系统推送和缓冲严重不同步的问题,提出了一种基于遗传算法和模拟退火算法的模糊控制策略（GASAF）,用这种算法对模糊规则进行优化时,不仅速度快,还可避免算法的早熟收敛,根据实际运行系统参数时变的特点,用自行设计的“判别器”对将要进入模糊推理机的模糊规则进行在线学习和测试,以保证用于实时控制的规则的优良性,现场试运行结果表明,这种控制器可使推送系统的位置跟踪精度达到0．2％,具有很好的通用性和广阔的应用前景。     

基于模型分块交叉移动的学习型模拟退火算法地震反演

针对地震非线性反演问题,提出一种基于模型分块交叉移动的学习型模拟退火的全局优化地震反演方法.其步骤为:首先,在模拟退火算法及粒子群算法基础上,在算法模型扰动项里面加入1个向目标优化的方向移动的学习项;其次,针对地震反演模型数量多及地震记录为褶积形式的特点,采用模型分块交叉移动的方法来实施模拟退火反演,给出模型分块交叉移动的学习型模拟退火算法流程.研究结果表明:该方法具有收敛速度快、精度高、实现简单、高效的特点,可以用于其他多维多极值的目标函数反演.     

基于命中的机场航班中转衔接性优化

为解决目前国内机场中转衔接效率不高的问题,通过分析影响机场航班中转衔接性的因素,基于航班波的理论定义命中的概念及其计算方法,构建了以枢纽一日中转衔接命中数最大化为目标,同时考虑时间约束、绕航约束和跑道容量约束的时刻调整模型。设计自适应模拟退火遗传算法对模型进行求解,在自适应遗传算法中引入模拟退火的思想提高算法的全局搜索能力和收敛速度,并与传统遗传算法和模拟退火算法进行对比。对首都机场一日起降航班数据进行实证分析,分别求解出3种时间窗调整时长下的最优命中数,并迭代出相应的航班时刻表。结果表明,改进算法能在更短时间内获得较高质量的近优解,优化后的航班时刻呈现出明显的波形结构,机场的中转衔接性能得到了有效提升。     

黄金正弦模拟退火算法求解低碳有能力约束的车辆路径问题

针对模拟退火算法局部搜索能力不强、收敛速度慢,以及接受准则的盲目性等弊端,提出一种基于黄金正弦的模拟退火算法。首先采用黄金正弦算法的遍历特点优化模拟退火算法的初始值,然后对模拟退火算法的邻域搜索进行扩充,增加基于概率的多种算子邻域搜索和记忆装置,适当提高退火温度等措施,很大程度上提高了算法的全局优化性能。通过物流运输实例对低碳和成本节约型的多目标有能力约束的车辆路径问题(capacitated vehicle routing problem,CVRP)模型求解,以寻找环境友好型绿色路径。实验仿真表明,该混合算法具有很好的优化性能,对于求解此类车辆路径问题具有很好的优化效果。     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.