基于遗传算法的泵站优化调度

采用遗传算法进行泵站优化调度计算,计算结果表明：遗传算法可以有效地在整个空间寻优,更有可能达到全局最优或准全局最优,且占用内存少,对目标函数限制少,该算法对水泵这种很难用解析式表示的非线性模型很适用。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

基于模拟退火遗传算法的网络编码优化研究

网络编码技术能够减少数据传输次数,提高网络吞吐量和传输效率.但使用网络编码后,节点需要增加额外的编码操作,增加了节点的复杂度和开销.本文提出基于模拟退火遗传算法的网络编码优化算法SAGAS.SAGAS引入基于模拟退火的个体接受机制,保证种群在遗传进程中的多样性,避免种群陷入局部最优.在遗传操作中,SAGAS利用网络转移矩阵指导染色体的遗传操作,避免无效遗传操作,提高算法的收敛速度.仿真结果表明,与标准遗传算法相比,本文提出的算法能够在更短的时间内寻找到更少编码边的网络编码方案.     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

用遗传算法求解供水泵站的效率优化问题

供水企业向来是城市的用电大户，其用电量主要体现在泵站水泵机组的电耗上。供水泵站的高效运行对节约电能、安全供水具有极为重要的意义。文章对供水泵站的效率优化问题进行了探讨，在提出用指数曲线准确地拟合水泵性能曲线的基础上，建立了供水泵站效率优化问题的数学模型，并设计了相应的遗传算法进行求解，仿真实验结果表明了该算法合理、有效。     

遗传算法与模拟退火算法混合策略模糊控制的研究

提出基于遗传算法与模拟退火算法混合策略的模糊控制，使控制规则得到优化，从而改善了控制性能，仿真实例表明这种方法是可行的。     

遗传算法与模拟退火算法混合策略模糊控制的研究

提出基于遗传算法与模拟退火算法混合策略的模糊控制,使控制规则得到优化,从而改善了控制性能．仿真实例表明这种方法是可行的．     

基于遗传算法的供水泵站优化控制研究

探讨了供水泵站的优化问题,并用遗传算法进行了仿真研究,以提供供水泵站的最优运行方式     

模拟退火遗传算法与结构优化设计

介绍了模拟退火遗传算法的基本理论及其特点，以在应力约束条件下的静定桁架结构的离散变量结构优化设计为例，证明了该方法的有效性和实用性．     

基于模拟退火遗传算法的水文地质参数识别

水文地质参数识别是一个复杂的非线性优化问题，针对传统人工调参方法的局限性，提出了水文地质参数识别的模拟退火遗传算法，实现了水文地质参数的自动识别，提高了计算效率，较一般遗传算法具有更好的收敛性能，最后通过实例验证了该方法的可行性与有效性。     

基于遗传算法和模拟退火算法优化神经网络的铁路营业里程预测

提出应用遗传算法(GA)和模拟退火(SA)优化神经网络预测铁路营业里程.采用3层前馈神经网络实现铁路营业里程的时间序列预测,输入节点数为5,隐层节点数为8,输出节点数为1.对神经网络的连接权重和节点阈值的确定,采用GA和SA算法相结合的混合优化学习策略.两种算法结合时,SA算法处于外层,GA处于内层.GA采用实数编码,把要确定的神经网络节点连接权重和节点阈值作为基因串.数值计算结果表明混合优化的神经网络的学习速度和精度都比单纯BP算法得出的结果好.因此,用GA-SA混合优化的神经网络预测铁路营业里程是可行的.     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

基于模拟退火步长的粒子群算法

为了提高粒子群算法的收敛速度和全局收敛性,本文在标准粒子群算法的基础上作了改进,提出了一种带模拟退火步长的粒子群算法．通过典型函数的测试结果表明新算法比原来算法收敛到最优解的次数多,提出的新算法在全局搜索能力和收敛速度方面有所提高．     

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。     

Parallel Genetic Simulated Annealing Hybrid Algorithm for Task Scheduling

In this paper combined with the advantages of genetic algorithm and simulated annealing, brings forward a parallel genetic simulated annealing hybrid algorithm （PGSAHA） and applied to solve task scheduling problem in grid computing. It first generates a new group of individuals through genetic operation such as reproduction, crossover, mutation, etc, and than simulated anneals independently all the generated individuals respectively. When the temperature in the process of cooling no longer falls, the result is the optimal solution on the whole. From the analysis and experiment result, it is concluded that this algorithm is superior to genetic algorithm and simulated annealing.     

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.     

基于模拟退火算法的无线传感网PEGASIS算法

在PEGASIS算法基础上,采用模拟退火算法进行簇的形成,同时利用能量因素来选择每一轮的簇头.采用模拟退火算法后链路的长度平方与比原来采用贪婪算法的相比,降低了一半左右,从而减小了整个网络能量的消耗,大大延长了第1个节点的死亡时间.第1个节点的死亡时间为原算法的1.8～3倍以上,20 %、50 %和80 %的节点死亡时间也都比原算法的要长,由此提高了整个网络的生存周期.     

一种应用于负载均衡的模拟退火遗传算法

提出了一种基于模拟退火遗传优化算法,求解流量工程中的网络负载均衡问题。这种新型算法不仅能够均衡网络业务流量,相对于其它遗传算法,还具有收敛速度快、简单高效的特点。通过理论分析详尽说明算法的设计思想和相对于现有算法的优越性。     

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。