基于遗传算法建筑高度的优化求解

随着我国经济与现代化技术的发展,高层建筑规模和数量快速的增长,人们对高质量居住环境的要求越来越高.以往涉及有关日照方面的建筑优化设计问题,存在计算规则和方法过于复杂,数据精度无法保证以及操作性差等问题.因此,采取更有效的方法对建筑日照进行分析与建筑高度的优化设计势在必行.遗传算法与传统的优化方法相比较,以生物进化为原型,具有很好的收敛性,计算时间少,鲁棒性高等优点,广泛地应用在建筑优化设计方面.鉴于此,本文提出一种基于遗传算法的日照约束下建筑高度的优化求解方法.该方法首先将有效时间划分若干个时间切片,基于窗口日照分析确定被遮挡窗口的数量,进一步将拟建建筑区域分割为与时间切片等量的方格,并向上拉伸为遮挡小柱,基于小柱棒影和小柱到窗体距离之间的关系,计算窗口日照累计时间;然后,基于窗口最小日照时间的约束,构建拟建建筑高度最佳值的数学模型;最后,针对该数学模型,设计交叉和变异操作,并增加评价操作,求解最佳建筑高度.实验结果表明,所提方法能够自动求解拟建建筑的高度最优值,并能够准确获得被遮挡窗口的日照累计时间.本文方法还可以在建筑申报以前就计算出该地块的建筑最佳高度,从而计算出该地块最大能开发出的建筑面积,为审批人员批准建筑申报提供了依据,为建筑结构优化设计提供一种有效帮助.     

基于具有自适应与自学习能力的粒子群优化算法的车间调度算法

针对车间调度问题, 提出一种新的基于粒子群优化和模拟退火的混合算法. 该算法将问题规模作为启发式信息, 通过对模拟退火算法引入新的邻域搜索机制--多粒度搜索, 并加入选择优化和淘汰更新机制, 提高了算法的自适应性和自学习能力, 降低了粒子群算法陷入局部最优的可能性. 实验结果表明, 该算法在最优解的求解能力上优于其他算法.     

基于具有自适应与自学习能力的粒子群优化算法的车间调度算法

针对车间调度问题,提出一种新的基于粒子群优化和模拟退火的混合算法.该算法将问题规模作为启发式信息,通过对模拟退火算法引入新的邻域搜索机制——多粒度搜索,并加入选择优化和淘汰更新机制,提高了算法的自适应性和自学习能力,降低了粒子群算法陷入局部最优的可能性.实验结果表明,该算法在最优解的求解能力上优于其他算法.     

住宅有效日照时间计算的改进及应用

网站上的计算器计算住宅有效日照时间过程中,没考虑太阳临界高度角的变化、太阳从楼房两侧照出的情况和有效日照时间带规定。通过建立数学模型,分别推导太阳高度角函数、太阳临界高度角函数和有遮挡楼情况下太阳临界方位角,并根据《住宅建筑日照标准》中规定的有效日照时间带,分析了各种情况下的有效日照时间计算,计算结果更精确。     

高层建筑日照环境影响评价方法的探讨

旧城改造工作中的光遮挡环境问题凸现,由此引发的日照问题逐渐受到广泛关注.已往的日照环境影响评价大多针对拟建项目对周围原有项目的影响,而忽略了新建项目可能受到潜在的光遮挡.本文从连续日照时间的角度,重点对新建高层建筑可能会受到的日照环境影响进行分析,尝试提出一种日照问题的方法"零项目"日照环境影响评价法.     

高层建筑日照环境影响评价方法的探讨

旧城改造工作中的光遮挡环境问题凸现,由此引发的日照问题逐渐受到广泛关注.已往的日照环境影响评价大多针对拟建项目对周围原有项目的影响,而忽略了新建项目可能受到潜在的光遮挡.本文从连续日照时间的角度,重点对新建高层建筑可能会受到的日照环境影响进行分析,尝试提出一种日照问题的方法“零项目”日照环境影响评价法.     

基于改进粒子群算法的微电网优化运行

为提高含分布式发电的微电网运行水平,应用基于混沌-模拟退火思想的粒子群算法对微电网的运行进行优化。针对微电网中各分布式电源特性,建立微电网的数学模型,建立了以运行成本和环境效益等运行指标最优为微电网优化运行的目标函数,并应用基于混沌算法结合模拟退火思想的改进粒子群优化算法对微电网多目标优化运行问题进行求解,得到微电网的最优运行方式。采用改进粒子群优化算法对某微电网进行24 h优化运行算例分析,结果表明该方法具有更好的寻优能力和更快的收敛速度。     

求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

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。     

一种面向热设计的反馈-模糊推理全局算法

针对常规模糊推理算法无法有效求解具有复杂或未知传热规律的传热学反问题,提出一种反馈-模糊推理全局算法.基于模糊推理的基本流程,将变论域方法、反馈思想和模拟退火算法结合起来,通过反馈单元降低模糊规则对传热规律的依赖,并通过模拟退火单元防止陷入局部最优.采用此方法对风冷散热器翅片的几何结构设计问题进行求解,并与常规模糊推理算法和模拟退火算法结果进行对比.同时,对不同初始值、不同输入误差下反馈-模糊推理全局算法的计算结果进行验证和对比.结果表明,该算法可以解决传热学规律复杂或未知的传热学反问题,计算结果不受初始值影响.该算法在解决此类问题时拥有良好的鲁棒性和抗不适定性,可以为反问题、结构设计和优化提供参考.     

一种求解TSP问题的改进粒子群优化算法

针对基本粒子群优化算法(PSO)容易陷入局部最优的缺点,将遗传算法、模拟退火算法与粒子群算法结合,提出一种改进的粒子群优化算法.在PSO的快速寻优基础上,融入遗传算法的交叉与变异操作,使粒子群具有变异能力,同时引入模拟退火算法的Metropolis准则,允许粒子在目标函数有限范围内变坏,防止陷入局部最优,形成一种新的算法模型,应用于TSP问题求解.采用TSPLIB中burma 14和att 48作为实验数据,对算法求解旅行商问题进行模拟与分析.仿真实验结果表明该改进算法提高了求解质量,全局搜索能力得到增强.     

船舶协同设计中的优化资源配置算法研究

分析了船舶协同设计过程中任务分解和任务分配的基本方法,在此基础上建立了求解最低设计成本数学模型.讨论了利用遗传算法和模拟退火算法解决船舶协同设计中的优化资源分配问题,并比较了各个算法的优缺点.提出了采用遗传模拟退火的混合算法在船舶设计中计算最优资源分配的方案.经实验证明,混合算法能够取得全局最优解,最大限度地实现最小化项目设计成本的目标.     

图像增强技术中的智能算法

提出了一种基于粒子群与模拟退火算法相结合的进化算法.该算法利用模拟退火算法全局收敛性好和粒子群算法收敛速度快等优点，通过交换这两种算法的信息得到最优解.将这种新算法应用于灰度图像的自适应增强，实例计算表明该算法稳定性好，在收敛速度和求解精度方面都优于遗传算法等一些其它进化算法.     

一种带记忆的模拟退火算法求解TSP问题

模拟退火算法是求解组合优化问题的一个有效方法.在模拟退火算法的基础上提出了一种带记忆的改进算法.在改进算法中增加了记忆功能,将当前最优解记忆下来;设计了一个温度更新函数,保证温度更新有一定的自适应性;增加补充搜索过程,以提高算法的全局搜索能力.最后将此算法应用到旅行商(TSP)问题中,在若干公共测试数据集上的实验结果表明,该算法是有效可行的.     

基于模拟退火-单纯形法的模型参数估计研究

针对模型参数估计问题难以准确求解的不足,提出了一种模拟退火和单纯形算法结合的混合优化算法.该算法利用模拟退火的随机全局搜索能力和单纯形算法的确定性多面体搜索策略,把这2种算法进行结构上的组合,通过采用新的反射操作,构成了模拟退火单纯形算法用来求解带有约束的优化问题.对7种测试函数的实验结果表明:该混合优化算法比传统模拟退火算法和单纯形算法有着更好的搜索精度.最后将该算法运用在了模型参数估计问题上,能够准确地辨识出模型参数,证明了该算法在模型参数估计问题中的有效性.     

一种拟随机初始化模拟退火粒子群算法

针对粒子群优化算法在求解高维问题时易出现的早熟收敛、停滞现象,提出一种拟随机初始化模拟退火粒子群算法.采用Hammersley方法对算法进行初始化,可以提高算法在高维搜索空间的搜索能力,进一步将模拟退火思想引入到粒子群优化算法中,结合粒子群优化算法的快速寻优能力和模拟退火算法的概率突跳特性,使算法具有跳出局部最优从而实现全局最优的能力.分别在5个经典测试函数上测试算法的性能,仿真实验结果表明,提出的算法有效克服了传统粒子群优化算法在求解高维空间优化问题时易出现的停滞现象,在进化后期仍保持较强的搜索能力,提高了传统粒子群优化算法在高维空间的全局寻优能力.     

自动化立体仓库固定货架拣选路径问题研究

为提高自动化立体仓库拣选效率,以存取时间最短为目标,针对单巷道固定货架拣选作业过程,构建了解决拣选作业路径优化问题的数学模型,提出结合模拟退火算法的混合粒子群算法.该算法在求解过程中用粒子群算法初始化种群,提高了优化效率,缩短了搜索时间;在迭代过程中采用模拟退火算法,利用其概率突跳能力,以避免基本粒子群算法迭代过程中陷入局部最优和早熟收敛.通过实例验证,该算法比标准粒子群算法所用时间短、收敛速度快、迭代次数少.     

基于改进粒子群算法的云计算服务部署优化

针对云计算资源有限,传统穷举搜索算法求解效率低的问题,提出一种基于改进粒子群算法的云计算服务部署优化方法.首先对云计算服务部署问题进行分析,将其转换成一个多目标组合优化问题,并建立相应的数学模型;然后采用全局搜索能力强的粒子群算法对数学模型进行求解,并针对标准粒子群算法收敛速度慢、存在早熟现象进行改进;最后通过仿真实验验证其可行性.实验结果表明,该方法可以快速找到最优的云计算服务部署方案.     

二进制粒子群优化算法在车辆路径问题中的应用

车辆路径优化问题是一类实用价值很高的NP组合问题,针对传统启发式优化算法搜索速度慢、易陷入局部最优解的缺点,提出了一种新的基于二进制的粒子群优化算法,并将该算法应用于车辆路径优化问题,建立了相应的数学模型和求解算法.将该算法通过与遗传算法、混合蚁群算法和标准粒子群算法进行比较,证明了其搜索速度和寻优能力的优越性.     

基于遗传算法的区域雷达网优化布站方法

为提高区域雷达网探测能力和抗综合电子干扰、抗隐身技术与隐身飞机的威胁,抗低空、超低空突防及抗反辐射导弹(ARM)能力,提出了一种基于遗传算法的雷达网优化布站方法.建立区域雷达网优化布站的数学模型,给出遗传算法在该优化问题中的求解过程和步骤,为加快求解速度对遗传算法进行了改进,并进行了雷达组网仿真,将分析结果与应用模拟退火算法计算的结果进行了比较,结果表明该方法能够快速得出多种优化布站方案,并具有易操作性.