基于混合遗传模拟退火算法的二维纹理合成算法

本文在结合先验知识的基础上,首先从二维纹理合成入手,研究了各种二维纹理合成算法。然后在Wang-Tile纹理合成的基础上,采用遗传算法和模拟退火算法相结合的技术,提出了基于混合遗传模拟退火算法的二维纹理合成算法。大量试验表明,该算法对二维表面纹理合成是有效的。     

工装室内定位技术研究

为解决车间自动化立体库的邻近工装准确定位存取问题,在讨论基本的Landmarc二维定位算法的基础上,提出了考虑等势点和基于路径损耗模型等两种改进的Landmarc二维定位算法,并进行了实验验证.研究结果表明,相对于基本定位算法,应用改进的工装定位算法可获取更佳的定位精度.     

基于SA-GA算法RBF神经网络的TDOA/AOA定位算法

目的 为了克服最小二乘法在TDOA/AOA无线定位算法中的缺点,提高定位的精度和稳定性.方法 提出了基于RBF神经网络的TDOA/AOA定位算法.利用染色体长度可调编码方式的模拟退火遗传算法,同时训练RBF网络的参数和拓扑结构.将训练后的RBF网络用于TDOA/AOA定位.结果 与传统TDOA/AOA算法和基于k-均值聚类法、遗传算法RBF神经网络、GA-BP神经网络的定位算法比较,该算法具有更高的定位精度和可靠性.结论 基于模拟退火遗传算法RBF神经网络的TDOA/AOA定位算法有很强的抗NLOS能力.     

基于改进免疫遗传算法的图像阈值分割的研究

在图像阈值分割中,二维最大熵图像分割算法的计算复杂度高、计算时间长。针对这一问题,本文提出了一种改进的免疫遗传和模拟退火相结合的算法来快速求解二维最大熵,并对该算法中疫苗选取可能会导致收敛到局部最优解,给出了高效的自动疫苗选取与更新的方法。通过实验显示了该算法在收敛性和计算效率上较其它优化算法具有更好的优越性。     

柴油机燃烧放热规律的数值模拟

提出一种将模拟退火算法和阻尼最小二乘算法相结合的改进算法,并将其用于零维燃烧模型的建立.以预测值和实测值的偏差及曲线的拟合优度为衡量标准,对改进算法和传统算法进行比较.结果证明,改进算法具有提高零维燃烧模型精度、减少计算时间及对初值的要求、避免病态矩阵和复数结果出现的优点.     

基于二维约束Non—Guillotine切割的插补算法

分析了二维约束Non-Guillotine切割问题常用求解算法的特点和不足之处，针对二维切割问题的数学模型、提出了一种应用列生成法和模拟退火算法的插补算法，通过分析该算法的逻辑结构和数据结构，展现它运算处理速度快和所得解的最优、性能好的特点，并以依据该算法设计的下料软件系统的生产使用效果进一步反映了该算法的新颖和高效。     

基于改进免疫遗传算法的图像阈值分割的研究

在图像阈值分割中,二维最大熵图像分割算法的计算复杂度高、计算时间长。针对这一问题,本文提出了一种改进的免疫遗传和模拟退火相结合的算法来快速求解二维最大熵,并对该算法中疫苗选取可能会导致收敛到局部最优解,给出了高效的自动疫苗选取与更新的方法。通过实验显示了该算法在收敛性和计算效率上较其它优化算法具有更好的优越性。     

一种基于正方形内插点的二维平面视觉定位算法

针对二维平面上物体定位、尺寸测量,提出了一种基于正方形内插点的二维平面视觉定位算法,在待测物所在平面上放置由N×N个尺寸相同的特征正方形组成的棋盘格标定板,以各特征正方形角点为标定点,确定像素坐标系和世界坐标系的映射关系,根据待测点像素坐标计算出其所处的特征正方形位置,并求解出待测点与所处特征正方形左下角点像素值的线性系数,反求出待测点的世界坐标值进而完成待测点的定位。将本文算法与文献[3]的快速二维Delaunay三角网点定位算法和文献[8]的改进的基于九圆点的摄像机自标定算法进行对比实验,结果表明:本文算法标定过程简单、计算量小、精度更高,可实现二维平面上物体的精确定位和测量,对二维平面视觉定位具有较高的借鉴价值。     

基于多重网格的模拟退火算法

为了提高模拟退火算法的收敛速度,提出了一种基于多重网格的模拟退火算法（SAM）,用于求解高维函数优化问题,并分析了其收敛性．13个著名的测试函数对SAM算法进行数值实验,结果表明SAM算法具有良好的搜索能力和收敛速度．     

巡检机器人中二维条码的设计与应用

提出了一种巡检机器人中应用二维条码的视觉定位与任务给定及辅助导航的方法.通过在机器人巡检路线中的关键点设置二维条码标记,将巡检机器人大范围的绝对定位问题转化为小区域的相对定位,消除了里程计的累积误差.通过传递导航与命令信息,使巡检机器人的可操作性与可维护性大大提高.详细分析了二维条码图的设计方法,通过图像预处理、图像的矢量中值滤波、条码数据区定位等步骤得到了二维条码的读取算法.分步调试与在变电站设备巡检机器人系统中的应用表明,该算法实现简便,处理速度快.     

取消SA后GPS在城市车辆定位导航中性能分析

针对取消SA后GPS在城市车辆定位导航方面的性能进行了研究,通过对定位导航系统不同参数的引用,利用实验对GPS单点定位在市区内进行导航的可行性进行分析.将实验中的单点定位数据与以前SA政策下的GPS单点定位数据和差分GPS(DGPS)数据进行比较,确定取消SA后GPS性能在市区内的改善状况,为在城市内建立车辆定位导航系统提供依据.     

短期负荷预测模型及其影响因素

在分析电力负荷曲线特性的基础上，将日负荷分成工作日和非工作日，并着重考虑温度对负荷曲线特性的影响，将BP算法和模拟退火(SA)算法相结合，对某电网的日负荷数据进行实际计算，发现考虑预测日类型和温度等因素后，负荷预测精度有很大提高．     

Fast docking of drug molecules to their receptor

AEDock based on AutoDock2.4 is developed with annealing evolution algorithm (AEA) in place of simulated annealing algorithm (SA) for supermolecular conformation searching. Because AEA takes advantage of both the genetic algorithm (GA) and the simulated annealing algorithm, the results of AEDock show that AEA can predict the binding conformations of ligands with up to 10 rotatable bonds to a rigid macromolecular target. The case of 1 hvr is only one of six cases where SA in AutoDock 2.4 failed to find an energy less than that of the crystal. It is used here to compare the performance of SA with AEA. The results of comparison show that fewer states are needed in AEA than in SA, but the success rate of AEA is much higher.     

基于二次退火机制的改进多态蚁群算法

利用多态蚁群算法和模拟退火算法的优点提出一种新的融合优化算法。研究结果表明:模拟退火用于优化每轮迭代后的路径,使得信息素释放更好的反映路径的质量;退火思想同时用于信息素更新机制,避免算法早熟、停滞,较差的路径按照退火竞争机制释放信息素;由于每轮迭代最优路径释放信息素最多,对其进行3-opt优化,提高搜索效率。同时,新发现的最优路径允许释放更多的信息素,使得蚂蚁在后续迭代中能够记住这条新路径。实验结果验证了算法的有效性。     

采用BP&SA混合学习策略的短期电力负荷预测方法

提出了一种BP混合模拟退火(SA)的ANN短期负荷预测方法,该方法针对传统BP学习算法的缺点,将BP算法和模拟退火算法的优点相结合以提高网络的学习性能.ANN模型中考虑了温度和预测日类型,可进行工作日和节假日的预测,实例表明ANN模型实用有效、精度高.     

基于模拟退火算法的最优层叠滤波器设计

为了改进层叠滤波器的优化方法,提出基于模拟退火算法的层叠滤波优化设计方法,用来处理灰度图像.层叠滤波器是基于阈值分解发展起来的一种非线性滤波器,它的优化过程是对正布尔函数不断学习的过程.模拟退火算法是一种通用的优化算法,目前已在工程中得到广泛的应用,优化的时间相对于遗传算法要短.仿真结果可知,应用模拟退火算法的优化层叠滤波器,可有效滤除噪声和保持图像细节.     

基于快速标量传递算法的瑞雷波频散曲线反演研究

为了提高近地表瑞雷波频散曲线反演的效率和精度, 引入快速标量传递算法来计算瑞雷波频散曲线正演理论值。通过对比加入线性约束条件前后遗传算法(GA)与模拟退火法(SA)在反演瑞雷波频散曲线中的表现, 提出将计算速度快的蒙特卡洛法(MC)作为辅助手段来快速识别地层类型, 然后在GA和SA中加入线性约束条件来提高收敛速度, 并将GA得到的反演结果作为SA的初始状态, 同时适当地缩小搜索范围, 通过联合反演来克服GA的早熟问题。用上述方法计算和验证三层地层模型、含噪声数据以及工区实际模型, 结果表明该方法高效、准确、稳定性强, 有很强的全局寻优能力, 并具有一定的抗噪能力。     

一种新的全局优化算法——统计归纳算法

在多极值问题的优化领域 ,主要有模拟退火算法(SA) ,遗传算法 (GA) ,人工神经网络 (ANN)算法 ,它们都是基于对自然现象模仿的算法。该文从更基本的优化思想出发 ,基于概率论提出了一种新的全局优化算法——统计归纳算法 (SIA)。在一些标准测试函数以及“货郎担问题”(TSP)上的计算结果表明 ,该算法在智能性 (所需的函数计算次数 )和解的全局性方面都远远好于 SA和 GA。在中国 144个城市的 TSP问题实例中 ,它甚至很快就找到了比参考计算中给出的“目前已知的最优路径”更短的路径。从这一算法思想的角度 ,阐述了 SA和 GA为何对全局优化问题有效 ,以及SA和 GA各自固有的不足之处     

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.     

基于遗传算法的波分复用环网业务疏导

通过把波分复用环网中的业务疏导问题归结为组合优化问题，提出了一种基于遗传算法的业务疏导算法，该算法可用于单向环网或双向环网，并适用于任何类型的业务需求，数值结果表明，该算法的性能优于贪婪算法，总体和模拟退火算法相当，甚至在某些方向还优于模拟退火算法。