基于改进模拟退火算法的观察点设置问题研究

观察点设置问题是地形可视性分析中的一类重要问题,在空间信息辅助决策、电信、野生动物保护等领域有着广泛的应用.在深入分析观察点设置问题特点的基础上,对经典模拟退火算法的状态产生过程和状态更新过程进行了问题相关的改进.状态函数的设计同时考虑了观察点的视域和彼此之间的距离影响,而退温函数的设计则实现了高温阶段的退温时间远长于低温阶段的退温时间,提高了计算效率.仿真实验表明,基于改进模拟退火算法的观察点设置问题计算时间比采用经典模拟退火算法减少了50%-95%,并且问题解决准确度也有一定提高.     

基于模拟退火与改进粒子群的矿井通风优化算法

建立以矿井通风网络总功率最小为目标的非线性优化数学模型,改进粒子群优化算法实现寻忧.在粒子群算法中引入变异操作,提出了一种新的惯性权重,并构造一种新的粒子选择方法控制违反约束条件的粒子数量,提高粒子群算法寻找边界的能力.将风量平衡定律和风压平衡定律的约束条件转化为目标函数的惩罚项,改进粒子群(Improved Part...     

基于能量特征匹配的在线手写签名验证算法研究

侧重签名能量特征提取方法的研究,提出了一种基于小波分析的在线手写汉字签名验证算法。基于Daubechies小波的方法对签名波形进行分解,重构部分波形后,提取签名波形在跳变点处的能量,并对跳变点处签名能量进行大小排序,选出M个较大能量作为特征矢量,并提出了一种新的匹配算法。算法能快速消除随机伪造签名,实现自动签名验证的目的。实验表明,对于随机伪造签名,当误拒率为0%时,误纳率为8.5%。     

求解随机旅行时间的C-VRP问题的混合遗传算法

现实中,行驶在道路上的车辆由于车流量等因素导致车辆通过时间随着时间的变化而波动较大。因此,标准车辆路径问题中关于车辆在道路上的行驶速度或通过时间恒定的假设前提通常不能得到满足。以标准的带容量约束的车辆路径问题为基准,研究当道路的通过时间随着时间的变化而变化,并综合考虑行驶距离、行驶时间等多项目标下车队的最佳路线安排。为了求解所提出的扩展问题,设计了一个模拟退火与遗传算法相结合的多目标混合遗传算法,用于计算得到研究问题的最优Pareto集合。通过对多个基准问题的算法测试,验证了算法的有效性。     

基于改进目标检测的动态场景SLAM研究

针对单目SLAM在动态场景下存在的对极约束误匹配问题,提出一种基于目标检测的动态特征点选择方法,通过在特征提取时剔除SLAM系统前端图像帧中动态特征点,提高SLAM的定位精度。提出了一个改进的目标检测网络,利用重叠面积、距离相似度和余弦相似度构建描述边界框的回归损失函数,实现目标的准确定位,获得当前图像帧中物体特征点范围。判断物体类别,对于标记为动态的物体根据目标检测结果剔除前端图像帧中的动态特征点。根据静态特征点,采用对极约束进行两帧图像间的特征匹配估计位姿,对单目相机运动进行跟踪、建图与闭环检测。通过对目标检测网络的主干进行结构重参数化改进,提升推理过程的速度,保证整体系统运行的实时性。在公开数据集KITTI的11个序列上的实验结果表明：改进后的系统比ORB-SLAM3系统定位精度提升了23.4%,帧率可以达到30帧/s以上,在保证实时运行的条件下能有效提高动态场景下单目SLAM系统定位精度。     

作战任务和资源间的匹配模型及求解算法研究

针对作战任务和作战资源的匹配问题,提出了一种匹配模型及其求解算法.首先分析了作战任务和资源的属性,建立了匹配问题的约束满足模型.基于改进的多优先级动态列表规划算法提出了一种匹配模型的求解算法,并结合实例进行了分析验证.结果表明,算法中引入任务与资源选择优先权参数,可以有效消解优先权冲突,增加匹配的灵活性.     

基于INS辅助CLAMBDA与AFM的GPS/INS组合导航测姿方法

为了提高全球定位系统(global positioning system,GPS)定姿的性能及成功率,将带约束的最小二乘降相关平差法(constrained least squares ambiguity decorrelation adjustment,CLAMBDA)与模糊度函数法(ambiguity function method,AFM)两种算法相结合,同时利用惯性导航系统(inertial navigation system,INS)姿态信息进行辅助,提出了一种GPS/INS组合定姿方法。在CLAMBDA解算过程中,将INS姿态信息与GPS载波相位和码伪距联合解算浮点解,然后再进行固定解搜索,如果姿态解算错误,则用AFM算法得到的姿态角进行替换。其间,用INS姿态信息缩小AFM的搜索范围。之后,GPS/INS进行组合滤波。通过实际系统跑车实验表明,相比于原算法,该算法能有效提高GPS定姿的成功率。     

模拟退火算法的一种参数设定方法研究

模拟退火算法在有限计算量条件下的收敛性能对自身参数有很大的依赖性,这使得参数设定问题成了算法应用过程中的一个关键环节。考虑到模拟退火算法本身的随机性,将其参数设定问题描述为随机优化问题,提出一种系统可靠地解决该问题的混合优化算法,即基于序的巢分区算法,该算法继承了序优化算法的快速收敛性及巢分区算法的全局搜索特性,能够有效解决复杂的随机组合优化问题。以典型旅行商问题为算例的仿真结果检验了方法的高效性与可靠性。     

一种高效的模拟退火全局优化算法

提出了一种确定模拟退火算法温度更新函数的启发式准则，构造了适当的产生随机向量的概率密度函数，应用该启发式准则导出了相应的温度更新函数。新的温度更新函数与退火时间的幂函数成反比，与优化问题的变量维数无关。     

用于多目标数据互联的模拟退火方法

通过对模拟退火算法的改进,成功地将其应用到多目标数据互联问题中,算例表明,其应用效果令人满意。     

多目标平面选址问题的模拟退火算法

用模拟退火算法求解一类困难的多目标平面选址问题，经微机上大量试算，效果较好.     

基于遗传模拟退火法的量子细胞自动机电路仿真

有机结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的遗传模拟退火算法是一种有效搜索全局极值的算法，通过对算法操作和参数的合适设置，将其推广到量子细胞自动机电路的仿真。基于对量子细胞自动机基本逻辑电路的仿真结果验证了该算法的有效性，其性能明显优于Macussi等人提出的基于量子细胞自动机的模拟退火法。     

模拟退火算法的一种改进及其在蛋白质结构预测中的应用

根据蛋白质的氨基酸序列预测其空间结构可以归结为一个多维多极值的全局优化问题 ,缺少一种有效的全局优化方法是阻碍这一难题解决的一个关键 .文章以联合残基优化模型为基础 ,将蛋白质结构预测作为一个连续变量的全局优化问题来处理 .针对蛋白质结构预测模型的特点 ,对模拟退火算法进行了改进 ,并将其应用于脑啡肽和牛胰岛素 B(D)链的实例计算 ,得到了较为合理的结果.     

确定性联合补充库存问题的模拟退火算法

对确定性需求的联合补充库存问题许多文献已有不少启发式算法,这些算法都是基于枚举方式计算。通过分析该问题,应用现代优化理论,提出一个有效的模拟退火算法,通过算例表明,该算法可得出较优的、与最优解偏差较小的可行解,可以有效地解决此类问题。     

基于适应性模拟退火的标准单元布局算法

提出了一种基于适应性模拟退火的标准单元布局算法，针对各布局电路的特性，在传统的模拟退火算法中引入适应性初始温度和适应性搜索区域的概念，并对标准单元布局中目标函数中的惩罚项做出相应改进。该算法用于对一组标竿电路进行测试，和传统模拟退火算法得出的结果相比，在布局效果上和时间性能上均显示出优越性。     

一种改进的遗传模拟退火算法及其应用

对遗传模拟退火算法进行了研究,首先对遗传算法的适应度线性尺度变换作了改进,然后在改进的遗传算法中融入了模拟退火算法,从而提高了遗传算法的全局寻优能力。以空心并联电抗器的优化为例,建立了空心并联电抗器的优化设计模型,给出了进行模拟退火操作时产生新解的邻域结构,采用改进的遗传模拟退火算法对空心并联电抗器进行优化设计,计算结果表明空心并联电抗器的损耗和重量分别减小了16.3%和11.5%,优化效果明显。