基于模拟退火算法的数据聚类分析

本文针对数据聚类分析和最优化问题的相似点,用模拟退火算法进行聚类分析。根据数据对象的特征,提出了基于模拟退火的产生函数和迭代方案。通过实例验证,表明该新算法能够有效地解决数据聚类分析问题。     

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。     

模拟退火算法优化堆芯设计

在反应堆物理设计中 ,为了展平堆芯功率、提高核燃料利用率和降低运行成本 ,必须对堆芯燃料管理作优化设计。该文着重介绍了模拟退火算法 ,针对优化堆芯物理设计提出了优化目标函数和罚函数 ,采用罚函数处理的方法进行模拟退火算法 ,对 NHR- 2 0 0反应堆作了实例计算 ,使首炉循环末的有效增殖因子 Keff提高了 2 .5 % ,展平了功率分布 ,得到了令人满意的结果     

用模拟退火算法求解客轮调度问题

建立了客轮调度问题的数学模型，并用模拟退火算法求其数值解。     

模拟退火算法优化堆H芯设计

在反应堆物理设计中,为了展平堆芯功率、提高核燃料利用率和降低运行成本,必须对堆芯燃料管理作优化设计.该文着重介绍了模拟退火算法,针对优化堆芯物理设计提出了优化目标函数和罚函数,采用罚函数处理的方法进行模拟退火算法,对NHR-200反应堆作了实例计算,使首炉循环未的有效增殖因子Keff提高了2.5%,展平了功率分布,得到了令人满意的结果.     

基于模拟退火算法自然资源运输模型的研究

当今社会,经济发展主要取决于自然资源的占有,然而自然资源分布的不均匀性的特点,要求使得降低运输成本成为当前要务。文章就某种自然资源由m个产出地运输到n个目的地为基础,将其化为平衡指派问题,并通过模拟退火算法进行求解,最后用实例说明SA算法的有效性。     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题,传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题,该文采用多重参数化方法处理最优控制问题,非可微精确罚函数方法处理约束条件,引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性,优于遗传算法以及序列二次规划等经典优化算法。     

基于模拟退火算法对K-means聚类算法的优化

K-means聚类算法是近年来数据挖掘学科的一个研究热点和重点,该算法是基于划分的聚类分析算法.目前这种算法在聚类分析中得到了广泛应用。本文将介绍K-means聚类算法的主要思想,及其优缺点。针对该算法经常陷入局部最优,以及对孤立点敏感等缺点,提出了一种基于模拟退火算法的方法对其进行优化,可以有效地防止该算法陷入局部最优的情况。     

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。     

带目标权重的物流路径优化研究—基于模拟退火蚁群算法

物流路径优化问题是物流研究领域十分重要的研究课题。针对物流企业对物流配送时间、距离以及运输成本的要求不同,建立带目标权重的物流路径数学模型,物流企业可对目标权重进行赋值进而满足自身的需求。针对基本蚁群算法易陷入局部最优以及收敛速度慢的缺陷,对基本蚁群算法的转移规则和信息素进行改进,然后在改进的基本蚁群算法中融入模拟退火算法思想,建立模拟退火蚁群算法。实验结果表明:模拟退火蚁群算法能搜寻到比基本蚁群算法更优的综合成本,且收敛速度更快,同时也表明模拟退火蚁群算法的可行性及数学模型的合理性。     

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.     

基于模拟退火的排课算法

模拟退火算法应用在排课问题中，主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取算法的控制参数，能加快获得问题的整体最优解或近似最优解的收敛速度。     

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。     

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.     

基于模拟退火的Hopfield网全局优化方法

为了改进Hopfield神经网络在多极点函数优化和组合优化中存在的某些缺陷,并影响着一些优化问题求解中的正确性和有效性的现实问题,将模拟退火智能优化算法与Hopfield神经网络有机结合,优势互补,提出了一种基于模拟退火的Hopfield神经网络混合全局优化算法(SA-HNN),新算法很大程度上避免了Hopfield神经网络优化陷入局部极小的缺陷,同时兼顾了算法的效率.通过典型的多极点函数优化和TSP组合优化问题求解,实验表明:SA-HNN混合优化算法具有帮助Hopfield网络摆脱局部极小点的能力并能得到较好的结果,有一定的工程实用价值.     

基于模拟退火算法的敏捷化制造单元重构方法

根据单元重构的一般定性准则，提出了两个定量指标，有效地对单元重构目标进行了量化．根据这两个定量指标，构造了单元重构的目标函数，从而将单元重构问题改造成了一个多目标组合优化问题，并采用了模拟退火方法进行求解．克服了其他方法不一定有解以及受初始条件限制很大等问题．     

基于模拟退火算法的低温余热发电系统参数优化

为提高低温余热发电系统的综合性能,以单位发电量所需换热面积为目标函数,采用模拟退火算法对ORC系统的参数进行优化。研究结果表明:当热源温度和流量分别为120℃与62 kg/s,蒸发器内最小传热温差为10℃时,蒸发器内的最佳压力和流速分别为0.615 MPa与1.23 m/s;冷凝器内的最佳压力和流速分别为0.102 MPa与1.37 m/s;与传统算法相比,优化结果使单位发电量所需换热面积减少23%。随着热源温度的升高,最优目标函数值先降低后升高,在热源温度为200℃时达到最低值;综合考虑目标函数值及系统输出净功,蒸发器内合适的最小传热温差为15℃。     

基于模拟退火鸡群算法的平面冗余机械臂逆解

针对平面冗余机械臂逆解求解复杂问题,提出一种基于模拟退火鸡群算法的优化方法。分析了冗余机械臂逆解求解模型,并确定约束条件,以此建立优化目标函数。在传统鸡群算法小鸡粒子位置更新中加入向公鸡粒子学习的功能,增强了小鸡粒子寻优的全局性;引入模拟退火算法提高了小鸡粒子向母鸡和公鸡粒子学习的自适应性。通过分析比较可知,改进算法的时间复杂度与原算法一致,利用测试函数对比仿真,验证了改进算法的稳定性和精度。该策略对由目标坐标求得的机械臂可行解进行寻优,得到了转动角度较小、满足一定精度的机械臂逆解。实验结果表明,该方法可使机械臂在一次位置迁移中平均少转动约1.91°。     

模拟退火算法在机器人路径规划中的应用研究

本文分析了模拟退火算法在路径规划中的应用。研究结果表明 :它能够有效地提高路径规划的计算速度和保证路径规划的质量     

基于自适应模拟退火的改进混合粒子群算法

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。