基于改进遗传算法的坦克发动机道路模拟测试平台轨迹寻优

针对坦克发动机道路模拟测试平台,采用冗余构件多分支并联运动系统结构型式,满足了其大负载、高灵活度、运动复杂的实际要求.鉴于系统结构型式的特殊性,采用基于初始种群渐进漂移的自适应改进模拟退火遗传算法,对此并联运动系统进行六维轨迹寻优解算,并将系统六维运动轨迹解算仿真结果与实验数据进行对比分析,验证了此系统结构的合理性及所采用算法的有效性.该方法不仅将遗传算法全局规划能力与模拟退火法局域优化特性进行了有效结合,同时通过引入初始种群渐进漂移技术,算法既避免了早熟现象又改善了邻域函数结构和初值鲁棒性,其计算精度达到了0.002mm或0.0015°.     

复杂函数全局最优化的改进遗传退火算法

针对复杂函数的最优化问题 ,首先提出了一种基于邻域函数的尺度参数自寻优的改进模拟退火算法 ,进而通过设计多操作的基于概率接受思想的变异操作 ,结合混沌序列 ,在遗传算法中引入灾变操作和改进模拟退火算法 ,最终提出了改进遗传退火算法。基于典型算例的仿真结果验证了改进算法对高维复杂函数最优化的有效性 ,其性能明显优于传统的遗传算法、模拟退火、改进的进化规划方法以及遗传 -AL OPEX算法。     

最优模糊神经网络参数的设计--混沌模拟退火学习法

提出了一种新型优化算法———混沌模拟退火学习法,将混沌算法和模拟退火算法相结合学习模糊神经网络的结构和参数。首先将混沌变量引入模糊神经网络参数的优化搜索中,利用混沌变量的遍历性寻优,根据性能指标寻找较优的模糊神经网络控制器,然后在混沌优化确定的网络基础上,把经混沌搜索后得到的全局次优解作为模拟退火学习算法的初始值,再用模拟退火方法进一步学习网络的隶属函数和权值参数,找到一个全局最优的网络。仿真结果表明:混沌模拟退火学习法优于传统优化方法,其控制结果具有精度高、超调小和响应快的优点,为解决模糊神经网络控制器参数全局最优设计提供了一种切实有效的方法。     

两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

基于差分进化算法的FMS中机器与AGV同时调度方法

针对柔性制造系统中机器与AGV（automated guided vehicle）同时调度问题，提出一种混合变邻域搜索的改进离散差分进化算法。以最大完工时间最小为优化目标，考虑机器与AGV双资源约束，建立相应的数学模型。为了同时调度机器与AGV，采用基于工序、机器、AGV的3层编码结构。通过改进差分进化（differential evolution，DE）算法的变异、交叉算子产生新个体以提高算法的全局搜索能力，并引入模拟退火算法中解的接受准则选择下一代。同时，为了增强算法的局部搜索能力，对算法每次迭代的最优个体进行变邻域搜索。通过算例计算和对比，证明了提出的改进DE算法的有效性、稳定性和优越性。     

并行混沌优化算法在分包商选择中的应用

为了提高工程优化问题的寻优效率,提出一种用于求解优化问题的改进并行混沌优化算法。根据当前解中精英个体的分布情况从优化变量的定义域中划分出精搜索空间。在优化过程中,精搜索空间不断缩小,搜索概率不断增加,这可保证算法具有较快的收敛速度。同时,算法始终以一定概率保持对原搜索空间进行混沌搜索,这可保证算法始终具有全局寻优能力。函数优化以及分包商选择等组合优化问题可利用该算法进行有效求解。仿真实验结果表明:对于相同的优化问题,改进的并行混沌优化算法可以求得更好的优化解,从而证明该方法具有良好的寻优性能。     

基于改进模拟退火的三维片上网络映射算法研究

在基于模拟退火算法的基础上提出了一种改进温度下降函数和自适应的生成邻域解的新型算法.该算法通过新提出的温度下降函数,使得在初始温度较高的时候下降较为平滑,同时在邻域解的生成过程中采用新的生成邻域解的方式,充分实现算法的全局性,克服传统模拟退火算法易陷入局部最优解的困境;同时在温度较低时候,平滑的温度下降方式也有利于进行充分的局部搜索,取得最优解.实验结果表明,与传统的模拟退火算法相比,提出的新型的模拟退火算法在三维片上网络的映射过程中,在功耗和收敛速度两个方面有显著的提升.     

改进模拟退火算法在旅游路线定制中的应用

旅游路线定制已成为提高旅行体验的重要举措之一,为解决新游客在陌生城市旅游时的路线定制问题,在考虑景点距离、旅游消费和游客出行时间等约束条件下,建立了以旅游效用值为目标函数的旅游路线定制模型。为了避免模拟退火算法出现冗余迭代,陷入局部最优,提出一种改进模拟退火算法来求解旅游路线定制模型。该改进算法通过混沌寻优确定初始温度避免迭代冗余;通过对当前最优解进行混沌扰动来动态控制搜索步长,跳出局部最优;并用方差判定准则来作为搜索停止条件。最后,以广西桂林市的旅游景点为例对改进算法进行了验证。实验结果表明,该改进算法不仅加快了模型的运行速度,而且更容易寻得全局最优解,为游客提供了更准确合理的旅游路线。     

柔性作业车间调度优化的改进模拟退火算法

针对柔性作业车间调度问题,提出一种改进模拟退火算法来进行求解。该算法引入粒子群算法中的基于位置取整和基于轮盘赌两种个体编码方法,并采用3种不同的局部搜索方法来构造个体的邻域结构。算例计算表明,改进模拟退火算法在求解柔性作业车间调度问题时,比粒子群算法、混合粒子群算法以及模拟退火算法具有更好的求解性能,其中采用轮盘赌编码时,算法的求解性能要优于采用位置取整时的求解性能,且基于互换的局部搜索方法要优于其他两种局部搜索方法,能更有效地改善算法的求解性能。     

基于混沌优化算法的软硬件划分

针对软硬件协同设计中的关键问题——软硬件划分，提出一种基于混沌优化的划分算法．首先，使用有向无环图对嵌入式系统建模，得到软硬件划分优化系统的目标函数．然后，采用逻辑斯蒂映射产生混沌序列，并将此序列映射到划分系统的模型空间，利用混沌序列的遍历性，将粗搜索和细搜索相结合，分两阶段搜索模型空间目标函数的最优解，有效避免搜索过程陷入局部最小，并且使算法搜索时间大幅度降低．和模拟退火软硬件划分技术对比的实验结果表明，选取适当的算法参数，采用混沌优化算法能够以更快的搜索速度得到更好的软硬件划分结果．     

混沌蚁群算法及其在智能交通中的应用

在传统蚁群算法的基础上,结合混沌的遍历性、随机性和规律性,提出一种混沌蚁群算法,阐述该算法在智能交通系统中应用的可行性,解决了智能交通中常见的最优路径问题,并通过实验数据说明本算法的有效性.     

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以Metropolis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.     

遗传模拟退火算法在初始对准中的应用仿真

捷联惯导系统粗对准结束后,可以用遗传算法来搜索三个误差角,且由于遗传算法的全局寻优能力,在速度上具有很大优势。但遗传算法的局部寻优能力不足,因此得到的结果在精度上也受到了限制。模拟退火算法容易陷入局部最优解,但是具有很强的微调能力。因此,将遗传算法和模拟退火算法结合起来,能很好地解决初始对准的速度和精度的问题。仿真结果证明遗传模拟退火算法可以很好地改善单一遗传算法的局部寻优能力,使得结果精度更高。     

基于模拟退火遗传算法的电液伺服马达超低速性能

针对电液伺服马达超低速运行时局部爬行及振荡现象,分析了密闭工作容腔内流量及压力的连续特性,采用了自适应改进模拟退火遗传算法,对马达超低速性能结构进行寻优解算,得出马达定子预过渡曲线及其包角范围和配油三角缓冲槽理论公式及最佳尺寸.通过仿真及实验研究,结果表明,该方法可以将遗传算法全局规划能力与模拟退火法局部优化特性进行有效结合,并具有良好的邻域特性和初值鲁棒性,其优化结果能够保证新型连续回转电液伺服马达跟踪0.001 °/s超低速斜坡信号和满足0.001 °的公差带要求.     

一种基于ACELP的4.75kb/s语音编码算法

基于代数码激励线性预测(ACELP)算法，介绍了一种编码速率为4．75kb／s的语音编码算法。算法采用高效的码本结构和码本搜索技术。核算法运算量小，延时小。首先对算法进行了概述，然后分别对算法所采用的开环基音周期分析、自适应码本搜索、代数码本结构以及代数码本搜索方式进行了介绍，重点对算法的代数码本结构和所采用的代数码本搜索方式进行了详细分析。定点C语言模拟结果表明，该算法在4．75kb／s速率上可以合成很高音质的话音。     

一种用于车间调度的基于熵的混合遗传算法

为提高车间调度算法的寻优性能,通过对模拟退火遗传算法收敛图的研究,提出了评价算法种群有序性（差异性）的种群熵,基于种群熵,提出了改进的模拟退火遗传算法,该混合算法通过种群熵动态地改变算法的交叉和变异概率,使之适应种群的变化,提高种群的多样性,有效地克服算法的过早收敛,从而达到提高算法寻优性能的目的。仿真实例表明,所提出的算法的寻优性能有了显著的提高。     

应用于蛋白质折叠模拟的三种新蒙特卡罗方法的比较

新蒙特卡罗方法是一类随机算法的统称．这类算法已被应用于蛋白质折叠的模拟计算，并取得了较好的结果．该文将并行回火与遗传算法的混合算法、群体模拟退火方法以及群体模拟退火方法与遗传算法的混合算法这3种改进的蒙特卡罗方法应用到蛋白质折叠模拟计算，并就二维网格模型比较了这3种方法搜索最小能量构象的能力以及计算了得到最小能量构象所花费的时间．计算机模拟计算的结果表明，3种方法对于短序列蛋白质折叠结构的预测都较为有效，而群体模拟退火方法与遗传算法的混合算法则比其它两种算法所花费的计算时间要少，也就更为有效．     

基于模拟退火的网络蜘蛛性能分析与系统实现

在分析传统网络蜘蛛搜索机制特点的基础上，将模拟退火机制引入网络蜘蛛的链接选择策略，提出了一种基于模拟退火机制的启发式网络蜘蛛搜索算法．设计并实现了一个计算机相关论文搜索引擎网络蜘蛛系统．针对国外4所著名大学计算机系网站中计算机论文资源的搜索实验表明，新算法可以有效提高搜索效率．