加入局部搜索的非劣分层多目标遗传算法

针对非劣分层多目标遗传(NSGA)本身所存在的局部搜索能力和易早熟的问题,鉴于模拟退火算法的局部搜索能力强和在解决易早熟问题上的优势,提出了加入局部搜索的多目标遗传算法及适用于多目标优化的模拟退火局部搜索算法和跳转准则,即在NSGA的每一代个体中的1层、2层非劣解附近进行模拟退火局部搜索.该算法能够提高非劣分层多目标遗传算法的效率,弥补了遗传算法中局部搜索能力差、易早熟的缺点.最后给出的仿真结果表明了这种算法的有效性.     

湿式多盘制动器的模拟退火算法优化设计

应用模拟退火算法成功地解决了设计变量为连续和离散混合变量的湿式多盘制动器多目标优化设计问题,将经过改进的模拟退火算法应用到湿式多盘制动器的多目标优化设计中,可获得满意的优化设计结果.实际优化设计结果表明,应用模拟退火算法进行湿式多盘制动器零部件结构尺寸的优化设计是可行且高效的,它可在工程结构优化设计领域中推广应用.     

面向多旅行商问题的多目标模拟退火算法研究

多旅行商问题是经典旅行商问题的一种演化,考虑一些约束,可以转换为一些较现实的问题,具有较高的理论研究和应用价值.在多旅行商问题中,一个任务由多位旅行商共同完成,问题的求解难度较经典旅行商问题更大.现有的研究中指定旅行商个数,将问题转换为固定数量的多旅行商问题.本文构建了求解pareto解的多目标多旅行商问题模型,针对一定规模的城市数量和约束的问题,获得多旅行商问题中旅行商的合适数量.本文将旅行商的个数和多旅行商的最长访问路径作为优化目标,采用改进的多目标模拟退火(IMOSA)算法和传统的多目标遗传算法对问题进行了求解.采用30个城市的旅行商问题对两种算法进行了测试,发现改进的多目标模拟退火算法相较于多目标遗传算法计算复杂度低,且能发现较好的pareto解,算法性能更优.     

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.     

多变元非线性复杂系统的优化与模拟退火算法

为了解决高合金高强高韧钢的性能优化问题,以获得最佳的强度和韧性的配合,采用人工神经网络方法建立多变量与多目标函数之间的关系,并将MonteCarlo方法中的模拟退火算法与人工神经网络BP算法相结合,解决了这类复杂系统中多函数变量与多目标函数之间没有确定的解析关系因而无法进行直接优化的难题·解决了航天用高强高韧钢性能优化问题,并为解决多变元非线性复杂系统的优化问题提供了一种新的有效的方法·     

考虑切换时间的机器人装配线平衡优化方法

考虑装配过程中的切换时间,以装配线的工位节拍最小为优化目标,建立了机器人装配线平衡问题的数学模型.在此基础上,将自适应策略引入模拟退火遗传算法框架中,构建了自适应模拟退火遗传算法.以轿车制造车身车间左前门内板总成的焊接装配为例,分别对比了标准遗传算法、模拟退火遗传算法及自适应模拟退火遗传算法在解决该问题方面的性能,结果表明自适应模拟退火遗传算法在解的性能和算法收敛性两个方面表现出了较大的优势.     

固定航路飞行条件下的无冲突航迹规划

随着民航运输业的发展,高速增长的交通量与有限的空域资源之间的矛盾日趋严重,空域拥堵、航班延误现象频发,严重影响航班运行的安全性与效率.为实现在固定航路飞行条件下空中交通安全、高效与公平的运行,在无冲突的前提下以最小化飞行成本和最大化公平性为目标函数,建立战略阶段的多目标航迹规划模型.为了加快问题求解效率,采用基于固定航路的冲突探测方法,并提出一种结合模拟退火和局部搜索算法的混合元启发式算法求解该大规模多目标优化问题.利用实际飞行计划和空域数据验证所提算法的有效性.结果表明,与传统的模拟退火算法相比,混合元启发式算法能够有效解决多目标的无冲突航迹规模问题.     

模拟退火算法及其在多层密度界面反演中的应用

模拟退火算法是以固体退火过程为物理背景的全局优化算法,具有全局寻优的能力,是一种有效的非线性组合优化算法。模拟退火反演算法实质是利用了地球物理反演问题求解过程与熔化固体退火过程的相似性,模拟其达到最低能量状态为系统目标函数的最优解。本文概要地介绍了模拟退火法的基本原理,解的接受准则,模拟退火法的实现方法、特点及其局限性。总结了近年来对模拟退火方法进行的改进,并给出了模拟退火法在多层密度界面反演中的实例。     

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。     

Job Shop单机多目标调度

研究了Ｊｏｂ Ｓｈｏｐ生产系统的单机调度问题，提出并建立了单机总的流通时间，延误工作数量、最大延误时间、总的延误时间、总的提前时间、总的准备时间、优衔关系等多目标通式模型，应用模拟退火方法进行了仿真实验。     

基于可靠性的供应链设施选址问题的优化模型

针对传统设施选址模型片面追求成本最小化而忽视供应链系统服务水平的情况,建立了一个基于容量有限制的供应链设施选址可靠性问题的多目标优化模型(RCFLP),并针对模拟退火算法与粒子群算法的优缺点,提出了一种混合型智能算法—模拟退火粒子群算法。通过收集中国各个省的人口和各个省会的相互之间的距离数据,构建实例,通过本文建立的模型与模拟退火粒子群算法进行了求解, 并对结果进行了分析,将模拟退火粒子群算法计算结果与模拟退火算法和粒子群算法的计算结果相比较,证明了模拟退火粒子群算法的可以较快地获得较好的全局最优解。     

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。     

永磁接触器操动机构多目标动态优化设计

针对圆柱形单稳态永磁接触器操动机构的多目标动态优化设计问题进行了研究.首先给出了操动机构的模型和工作原理,以及各个部件电磁设计方法,获得操动机构的初步设计方案.在此基础上,建立了以体积、平均合闸时间和撞击能量为多目标的最优化模型,运用自适应模拟退火算法进行多目标动态优化设计,提高其静动态综合特性.以75 A永磁接触器操动机构为具体优化对象,比较了优化前后的尺寸和优化目标,综合指标优化率为19.0%.不同气隙下的静态力特性计算与实测结果最大相对误差为7.4%,不同合闸相角时的动态特性仿真曲线均与相应实验结果吻合很好,验证了多目标优化设计模型和方法的有效性与正确性.     

汽轮机扩容改造方案优化设计

在对某汽轮机进行扩容改造过程中,以机组的做功能力和整机效率为目标函数,运用模拟退火算法进行了多目标优化设计。优化结果表明,此方法不仅能够提供满足设计要求的解集,而且能够克服传统优化算法极易陷入局部极值的缺点,实施后获得了很好的扩容改造效果。     

基于改进BSA的铁路危险货物办理站点整合优化

铁路危险货物办理站点作为铁路危险货物运输基础设施之一,其选址布局、建设规模和职能分工的合理性对于提高铁路危险货物运输效率、满足运输需求和环境风险控制目标都至关重要.为了有效解决铁路危险货物办理站点整合优化的多目标选址-分派模型组合方案规模庞大、计算困难的问题,采用了改进双层模拟退火算法对此问题进行优化.算例结果显示,该算法具有收敛速度快、运行稳定的特点,能够有效解决相关问题.     

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。     

模拟动物行为的多目标可靠性优化设计博弈算法

针对多目标可靠性优化设计的求解问题,结合动物行为对博弈方行为方式进行改进,提出模拟动物行为博弈算法.将各设计目标视为不同博弈方,通过随机向量映射技术将设计向量分解为各博弈方的策略集.根据行为匹配规则,将动物的"损人利己型"与"互惠合作型"行为赋予相应博弈方,各博弈方依据所模拟的行为,构建收益函数与目标函数的映射关系.模拟"互惠合作型"行为的博弈方组成联盟,与模拟"损人利己型"行为的博弈方进行多轮博弈,最终得到均衡解.车辆制动器设计结果表明,对比竞争与合作博弈,所提方法具有更高的计算效率.      

基于一种新混合群算法(MOHO-SA)的结构主动控制多目标优化研究

基于粒子群(PSO)算法和差分进化(DE)算法提出了一种新的多目标混合群优化算法,对结构主动控制系统的作动器位置、数量与控制器参数进行同步优化.首先,分别采用PSO算法与DE算法进行对应种群的进化,使用庄家法则构造非支配解集,并引入边界点几何中心leader选择机制,同时利用模拟退火算法完成个体进化的二级局部搜索;以随机地震激励下反映结构振动控制效果和控制策略优劣的双指标作为优化目标函数.最后,针对ASCE 9层benchmark模型,采用本文提出的具有二级搜索功能的多目标混合群算法(MOHO-SA)对其主动控制系统进行优化设计,并分别与多目标差分进化算法(MODE)、多目标粒子群算法(MOPSO)、普通多目标混合群算法(MOHA)的优化结果进行对比分析,表明其Pareto解集具有更优的收敛曲线及分布性.     

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。