基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

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。     

基于优化RBPF的同时定位与地图构建

以优化的Rao-Blackwellized粒子滤波器(RBPF)为基础,实现了室内移动机器人同时定位与地图构建(SLAM).结合移动机器人的运动模型和观测模型,设计一种基于退火参数优化混合提议分布的RBPF算法,以退火参数调控两者在混合提议分布中的比例,使改进的提议分布更加接近真实状态;针对重采样后粒子退化效应,提出一种基于等级的自适应局部重采样(APRR)算法.在机器人操作系统(ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人对改进算法进行实验验证,结果表明:改进算法能减少所需粒子数,保持粒子多样性,降低计算复杂度,在不同环境下在线创建高精度的2-D栅格地图.     

对模拟退火算法的衰减函数T和MetrOPolis准则的改进

首先简单介绍了模拟退火算法的基本原理及其优点,然后详细描述了退火过程算法和MetroPolis准则,最后给出对MetroPolis准则和衰减函数T的改进方法.     

混合退火粒子滤波在MIMOOFDM信道估计中的应用

MIMO-OFDM系统信道估计是接收机进行信号相干解调的关键。针对MIMO-OFDM系统面临的非高斯噪声信道环境,结合改进的混合退火建议分布,将混合退火粒子滤波改进算法用于对MIMO-OFDM系统进行信道估计。在建立系统状态空间模型和分析混合退火建议分布基础上,将模糊推理系统用于动态产生退火参数,得到混合退火粒子滤波改进算法;将其用于对MIMO-OFDM系统进行信道估计,并对信道估计误码率、归一化均方误差和算法复杂度进行了仿真分析。仿真结果表明,与扩展卡尔曼滤波、粒子滤波、混合退火粒子滤波算法相比,混合退火粒子滤波改进算法在非高斯噪声信道环境下能够有效降低系统误码率;同时,可用较少的采样粒子获得较好的系统性能。     

有向网络的混合模型新退火算法研究

混合模型的传统期望最大化(EM)算法可以有效地探索网络的结构规律性.但它总是陷入局部最大值.为此提出了确定性退火期望最大化(NMEM)算法来解决这个问题,该算法不仅能够防止局部最优,而且提高了收敛速度,因此NMEM算法适用于估计混合模型的参数.该算法通过经验设置其初始参数β0,设计了有向网络的混合模型新退火算法,并设计了β0的参数选择方法.     

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。     

基于DPSO-GT-SA算法的大规模UCAV协同任务分配

无人作战飞机(UCAV)编队任务分配是研究UCAV编队飞行作战的关键.针对复杂约束环境下大规模UCAV协同任务分配问题,提出改进离散粒子群算法.根据现有UCAV编队空对地饱和作战模式,建立UCAV编队作战环境中任务分配模型,通过采用离散粒子群优化-郭涛-模拟退火算法(DPSO-GT-SA)进行求解.根据粒子编码方式建立粒子与UCAV及目标之间的映射,通过粒子交叉变异进行搜索与寻优,并通过模拟退火Metropolis准则跳出局部最优.在复杂约束条件下,为解决离散粒子群-郭涛算法(DPSO-GT)陷入局部极小问题,引入改进模拟退火算法.为解决模拟退火后期收敛速度慢问题,在DPSO-GT-SA算法中加入动态温度衰减因子.仿真结果表明,改进离散粒子群算法可以更好地解决大规模UCAV协同任务分配问题.     

退火-遗传算法寻优及其实现

分析了遗传算法及退火算法的优缺点，提出用退火算法改进遗传算法局部的最优值搜索效率低问题。退火算法与遗传算法融合后，使算法在寻优结果上更加迅速精确。通过水泥的配比工程实例，与单纯的遗传算法的结果进行对比，说明该方法是有效的。     

水电站最优负荷分配改进退火粒子群算法

针对大型水电站厂内经济运行中最优负荷分配问题的高维性、复杂非线性和实时性,提出一种收敛性全面改善的改进退火粒子群算法.改进算法采用了整体改进策略:初始种群生成方面,采用初始种群解空间生成法避开机组空蚀振动区;适应度函数设计方面,加入惩罚项提高算法搜索效率;进化操作方面,加入自适应惯性权重、交叉运算、变异运算,改善算法的全局与局部收敛性能;引进模拟退火算法,提高算法的局部收敛性,保证算法以较大概率收敛于全局最优解.以三峡水电站厂内经济运行为实例,与现有算法进行了对比,结果表明:改进的退火粒子群算法在收敛速度与收敛精度方面均有一定的优势,适用于求解水电站负荷分配优化问题.     

不规则货物的摆放算法研究

货物摆放问题不同于传统的排样问题，不仅要优化平面布局，还必须兼顾货物的运出。为解决摆放问题，先结合问题自身的特点做适当的预处理，然后采用遗传模拟退火算法得到一个预定优化方案，并通过碰撞检测修正该方案，确保货物都能运出仓库。实例表明算法是有效的，并且具有很好的通用性。     

基于自适应模拟退火算法的间歇精馏过程优化

分析了间歇精馏过程的动态优化模型,基于对自适应模拟退火算法的研究,提出了一种改进的邻域调整方案,并将'其应用于求解间歇精馏过程的动态优化问题.仿真结果表明,改进后的算法大大加快了搜索速度,提高了最优解的质量,为工业过程控制的设计提供了高效、可靠的参考依据.     

进化算法的改进与应用

通过分析进化算法对全局收敛性的影响 ,本文提出用混沌模型构造一种随机开关 ,以此控制进化算法中的变异运算 ,同时将模拟退火用于进化算法的选择过程 ,从而增强算法的快速收敛性能 ,最后把改进的进化学习算法用于系统的参数辨识 ,取得了满意的结果     

利用微正则退火算法求解车辆路径问题

在建立单配送中心的车辆路径问题模型后，提出了一种基于微正则退火算法的求解方法，对一个包含20个需求节点的单配送中心实例进行了实验分析。实验数据表明，微正则退火算法能以较大概率搜索到最优路径集，与传统模拟退火算法相比，它的优势是目标函数值下降更快，能够在较短时间内搜索到满意解。     

基于自适应模拟退火算法的CSTR的动态优化

首先分析了连续搅拌釜式反应器的动态优化模型。基于对自适应模拟退火算法的研究,提出了一种改进的邻域调整方案,并将其应用于求解连续搅拌釜式反应器的动态优化问题。仿真结果表明,改进后的算法大大加快了搜索速度,提高了最优解的质量,为工业过程控制的设计提供了高效、可靠的参考依据。     

具有稳定性Ising模型局部场系数h和耦合项系数J的量子退火分布式整数分解研究

分解大整数的困难程度是RSA公钥密码的安全基础,量子退火破译RSA密码与Shor算法有着本质性的不同,将整数分解问题转化为组合优化问题,利用D-Wave量子退火特有的量子隧穿效应跳出局部亚优解.本文提出一种新的分布式量子退火整数分解算法,将任意整数转变为D-Wave量子计算机可执行的稳定性Ising模型的框架.Ising模型局部场系数h、耦合项系数J的稳定性和取值范围是影响到整数分解成功率的重要因素,与普渡大学Jiang等人的算法相比,本文算法在降低使用的逻辑比特数的同时,参数h,J降低程度达到60%和40%以上,且Ising模型系数取值范围稳定;与洛克希德·马丁公司Warren的算法相比,在保证可以达到Ising模型稳定的情况下,本文算法参数h,J从10^6降低到10^2数量级.此外,Warren为了证明其提出的算法的正确性,遍历分解1000以内的整数,本文的算法遍历10000以内的整数,均成功分解.本文算法实验结果超过了目前Shor算法、普渡大学Jiang等人和洛克希德·马丁公司Warren公开文献最大分解规模.     

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。     

一种基于模拟退火算法的硬件/软件分解方法

嵌入式系统设计的一个重要环节是硬件/软件分解,通常在系统设计初期解决该问题·硬件/软件分解问题是NP完全问题,无法在有效时间内寻找到满意的分解方案·基于此提出了一个基于模拟退火算法的硬件/软件分解方法,采用了相邻块通讯分解模型以及由单处理器和专用硬件模块构成的目标结构,解决了硬件约束条件下系统执行速度的优化问题·为寻找到性能优良的分解方案,定义了分解优化目标及代价函数,确定了初始温度、终止温度、温度衰减函数等几个控制模拟退火的关键参数,并探讨了模拟退火的停止规则·与贪心算法相比,该方法可以在合理的时间内为嵌入式系统寻找到满意的解决方案·     

融合模拟退火的改进教与学优化算法

针对教与学优化算法(TLBO)在解决复杂优化问题时易陷入局部最优的缺点,提出了一种融合模拟退火的改进教与学优化算法(SAMTLBO).该算法首先对学员阶段做了改进,在保持TLBO算法简单易实现的基础上,利用模拟退火方法增强了TLBO算法摆脱局部最优的能力,最后用4种算法对8个无约束优化函数仿真.数值实验表明,该算法无论是在收敛速度还是在寻优精度上均优于基本TLBO算法、ETLBO算法和DMTLBO算法.     

解布局问题的并行模拟退火算法与实现技术

本文讨论了用并行模拟退火算法解决集成电路布局问题。并基于扩展角模块表（ECBL）表示方法，利用多马尔可夫链方法实现了布局问题的并行算法，同时提出了针对同步多马尔可夫链的改进的最早准则。对MCNC的标准例子的测试结果表明，并行模拟退火算法能够获得满意的加速比和较好的解质。