基于HFC-ADM模型对SA的改进及应用

通过分析模拟退火算法（SA）以及利用分等级公平竞争（HFC）模型对SA改进的固有缺陷,提出新的基于自适应输入阀值的HFC模型（HFC-ADM）的模拟退火算法及其算法流程,同时进行详细的数学描述。最后以求证旅行商问题（TSP）为例,通过统计数据验证了改进后的算法较采用同样局部优化的标准退火算法和分等级公平竞争的模拟退火算法具有更好的收敛速度和优化解。     

基于主动禁忌搜索的配电网无功电压优化控制

提出将主动禁忌搜索（RTS）算法用于配电网无功电压优化控制问题的求解．首先根据已知的负荷预测曲线，用一种启发式方法为RTS提供可行初始解．在利用RTS算法的求解过程中，使用了反馈机制，可自动调节禁忌表长度，结合逃逸策略，可以使搜索有效地跳出局部极小点，更好地找到最优解．通过算例验证了该算法的有效性．与传统的禁忌搜索（TS）算法、遗传算法（GA）以及模拟退火（SA）算法进行了比较，算例结果表明，RTS算法求得的解质量更高，求解速度更快，比GA和SA算法至少提高了一倍．     

基于模拟退火算法的蛋白质空间结构预测

模拟退火是一种通用的启发式优化算法，将模拟退火思想用于求解蛋白质结构预测问题，计算结果表明利用SA算法得到的解优于目前常用的遗传算法和MonteCarlo方法．     

求解一类NP-HARD问题的一个快速算法

研究3-状态设备网络系统可靠性模型与模拟退火算法求最优解问题.对已有3-状态设备网络系统可靠性优化模型进行了分类,构造了一个新的系统可靠性优化模型,设计了一个模拟退火算法用于求近似最优解.计算机仿真表明,算法有效地给出了模型的近似最优解.     

智能混合优化策略及其在流水作业调度中的应用

通过结合蚁群算法(ACO)的并行搜索结构和模拟退火算法(SA)的概率突跳性,提出了一种有效的混合优化策略,并将该策略应用于流水作业调度问题(FSP)．在该策略中,蚁群系统的一个周游路线为模拟退火算法提供了一系列初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新信息激素;蚁群算法再利用模拟退火算法产生的新解进行并行搜索．同时,根据此策略构建并实现了针对FSP问题求解的具体混合算法．仿真结果表明,混合算法弥补了ACO易陷入局部最优和SA搜索效率较低的缺点,增强了全局搜索能力,在求解FSP调度问题的性能上也优于其他算法。     

SA-LM优化WNN及其在模拟电路故障诊断中的应用

针对连续紧凑型小波神经网络（WNN）收敛速度慢问题,提出了用Levenberg-Marquardt（LM）算法改进的小波神经网络LM-WNN．为了克服LM-WNN由于收敛速度过快易陷入局部最小点和平台的缺点,利用模拟退火（SA）算法对小波神经网络的参数进行优化,得到一组接近全局最小值的近似解,把近似解作为小波神经网络权值和阈值矩阵的初始值,以确保LM-WNN收敛于全局最小点．把SA-LM-WNN用于模拟电路故障诊断,仿真结果表明,该算法能够快速收敛于全局最小点,仿真效果较好．     

波阻抗反演的快速模拟退火算法

波阻抗反演是储层参数及砂体预测不可缺少的内容,在地震勘探中占有重要位置．使用快速模拟退火算法(FSA)进行波阻抗反演,能避免目标函数值陷入局部极值区并可获得全局最优解、因此,用快速模拟退火算法进行波阻抗反演,并通过理论模型试算和实际资料的反演验证了该算法的应用效果．结果表明,FSA反演结果不依赖于初值,FSA收敛速度比常规模拟退火算法(SA)收敛速度更快．井点处的波阻抗反演结果与测井数据基本吻合．     

模拟退火法与禁忌搜索法求解VRP的对比分析

模拟退火法（simulated annealing,SA）和禁忌搜索法（tabu search,TS）都是解决组合优化问题的强有力启发式算法。本文首先给出组合优化问题和VRP问题的基本概念,然后在分析这两种算法的特点基础上,通过实例验证它们在解决VRP问题上各自的优缺点,并给出未来研究方向的建议。     

非线性约束最优化问题的多目标模拟退火算法

给出了非线性约束问题的一种新解法，首先将其转化为多目标优化问题，提出了高效模拟退火算法求解多目标最优解问题，通过搜索操作和参数的合理设计，以及试验函数的验证，证明了给出的SA算法是一类有效的多目标优化算法。     

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.     

一种基于GSA SVM网络安全态势预测模型

针对支持向量机的参数选择问题,结合引力搜索算法(GSA)需要设置的参数少以及全局优化能力强的特点,提出了一种GSA优化SVM参数的网络安全态势预测模型(GSA-SVM)。首先把SVM的参数视作在空间中的物体,并将SVM在该参数下预测产生的预测值和实际值之间的均方误差mse作为目标优化函数,然后GSA通过模拟万有引力规律影响下物体的运动规律不断变化参数,最终找到SVM最优参数。最后根据最优参数建立网络安全态势预测模型。在Matlab平台采用MIT Lincoln实验室提供的DARPA1999数据集进行仿真测试,仿真结果表明:相对于其它预测算法,GSA-SVM提高了网络安全态势预测的准确度,加快了网络安全态势预测的速度,为网络安全态势预测提供了一种新的解决途径。     

基于引力搜索和粒子群混合优化算法的T-S模型辨识

提出了基于引力搜索(GSA)和粒子群(PSO)混合优化算法(GSAPSO)的T-S模型全局优化辨识方法.该方法充分整合GSA的勘探能力和PSO的开采能力,在GSA中引入PSO的个体最优值和群体最优值,同时改进惯性权重调整算法.T-S模型辨识分为结构辨识和参数辨识,采用聚类方法和GSAPSO算法同时辨识模型的结构和参数,从而实现全局优化辨识.仿真实例和比较分析证明了GSAPSO较标准的PSO和GSA有更强的全局优化能力和更高的辨识精度.     

流域水文模型的参数全局敏感性分析

基于LSPC构建内蒙大佘太流域水文模拟模型, 利用Morris和Sobol两种全局敏感性分析方法, 识别水文敏感参数及敏感下垫面类型, 评估不同敏感性分析方法和模型输出度量方法对敏感性分析结果的影响。主要结论如下: 1) 模型对日、月两尺度的径流模拟效果好, 模拟值与观测值的决定系数R²>0.6, 纳什系数NSE>0.5, 说明LSPC模型适用于对内陆干旱半干旱地区的流域水文模拟; 2) 两种敏感性分析方法对参数敏感指数排序和敏感参数识别均有影响, 而MAE和MSE两种度量方法的影响主要体现在敏感参数识别方面; 3) 敏感水文参数为下层土壤含水量(LZSN)和地下水蒸发系数(AGWETP), 敏感下垫面类型为草地、耕地、林地和水域, 与大佘太流域的降水和土地利用类型有关。     

基于引力搜索算法的相干信号源DOA估计方法

针对最大似然(ML)DOA估计方法存在着运算量高且容易收敛到局部极值的问题。结合引力搜索算法(GSA)与最大似然方法,提出了一种GSA-ML方法。将最大似然函数作为GSA算法的适应度函数,在遵循ML方法的主体思想同时,利用GSA算法运算量低和收敛速度快的优点,成功地找到似然函数的全局最优解;并保存了ML方法的优点。仿真结果表明,GSAML方法不仅能有效估计相干信号源;并且相比MUSIC、ESPRIT和TLS-ESPRIT算法,拥有更高的精度和估计成功概率。     

一种引入复合形法的改进引力搜索算法

针对引力搜索算法求解复杂问题时搜索精度不高、易出现早熟收敛问题,提出一种引入复合形法的改进引力搜索算法。该算法在寻优初期利用引力搜索算法进行全局搜索,同时对引力系数进行改进,以提高全局收敛速度;在寻优后期,当算法出现早熟收敛现象时,引入复合形法,利用复合法较强的局部搜索能力,帮助种群快速跳出局部最优解。通过5个标准测试函数验证了改进算法的可行性和有效性。与标准引力搜索算法、基于权值的引力搜索算法、记忆性引力搜索算法相比,该算法具有更高的收敛精度和更快的收敛速度。     

美国建筑连续性倒塌设计标准的现状

1968年英国Ronan Point大厦发生连续性倒塌后,包括英国、加拿大、美国在内的许多发达国家的研究人员对结构的连续性倒塌问题进行了大量的研究,并逐步将研究成果写入各类标准.美国总务局和国防部分别出版旨在帮助其管辖的建筑建立抵抗连续性倒塌性能的GSA标准和UFC标准,是目前最为系统、全面和实用的两部标准.论述了当前有关连续性倒塌标准的基本方法;详细阐述了UFC标准和GSA标准关于结构连续性倒塌的概念、设计方法、设计过程以及实施步骤等问题的规定;在以上论述的基础上总结了美国当前连续性倒塌设计标准的特点与不足并为建筑物连续性倒塌设计的进一步研究工作提供了思路.     

一种求解TSP问题的混合算法

结合粒子群算法、蚁群算法、重力搜索算法提出了一种新的混合算法——TSP-GPAA.该算法将粒子群算法和重力搜索算法加入到蚁群算法中,利用粒子群算法的全局搜索能力解决了蚁群算法的初始信息素匮乏的问题,并且重力搜索算法将粒子群算法和蚁群算法参数进行优化,明显提高了蚁群算法的优化性能.实验表明新算法对于解决TSP问题是有效的...     

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法（GSA）基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法（IGSA）,并将其应用到励磁控制系统PID参数优化．IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力．定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略．将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性．     

基于模拟退火的万有引力算法

针对标准万有引力算法的个体位置更新策略可能对个体造成破坏且算法局部搜索能力较弱问题提出了一种改进算法。该算法将模拟退火思想引入万有引力算法,采用基于 Metroplis 准则的个体位置更新策略,并在引力操作之后,对每代最优个体进行退火操作。一定程度避免了个体移动的盲目性,提高了算法的局部搜索能力、收敛速度与精度。实验结果表明:算法的改进策略是有效的,且改进后的算法在收敛速度、收敛精度等方面具有明显优势。     

基于GSA规范改进方法的框架结构连续性倒塌分析

为评估框架结构抗连续性倒塌潜力,结合GSA(general services administration)规范,采用备用荷载路径法进行连续性倒塌分析.在介绍GSA规范的基础上提出了一些改进,并阐述了评估结构抗连续性倒塌潜力的方法.基于GSA规范的改进方法,利用有限元软件ANSYS中的Beam188和Shell63单元建立三维框架有限元模型,采用生死单元法分别"杀死"长边中柱、短边中柱、角柱和长边两根柱,评估结构在上述工况下抗连续性倒塌的潜力.结果表明,对于典型的框架结构,长边靠中央的2根柱失效会造成结构的局部连续性倒塌,为建筑物的抗连续性倒塌设计提供了依据.