捕鱼问题的非线性控制模型

对渔业的可持续开发问题采用方程进行了分析和讨论,建立了最优捕鱼策略的非线性最优控制模型,应用“模拟退火”算法,借助计算机给出该模型的最优解。     

基于模拟退火Memetic算法的复合材料层合板铺层顺序优化

应用基于模拟退火局部寻优的Memetic算法对复合材料层合板的铺层顺序进行优化设计,以层合板的面内几何因子和弯曲因子为优化对象,建立Memetic算法的优化模型。通过遗传操作,搜索问题的最优解,借助于模拟退火进行局部寻优,扩大了算法的寻优范围,加速了算法的收敛速度。数值算例中给定了层合板的面内几何因子和弯曲因子,应用Memetic算法求解层合板的最佳铺层顺序。并应用标准遗传算法和基于模拟退火局部寻优Memetic算法的结果进行比较,然后用有限元进行模拟分析,证明了本文中优化模型的有效性和基于模拟退火Memetic算法的优越性。     

硬时间窗约束下集装箱甩挂运输网络的车辆路径问题

针对甩挂运输车辆调度问题,考虑甩挂运输特点和限制条件,以车辆路径优化研究和相关算法研究为基础,构建了车辆路径优化模型,分析了在硬时间窗约束下集装箱运输网络的车辆路径优化问题,并基于模拟退火算法对模型进行求解,证明模型可以解决集装箱甩挂运输的牵引车的调度问题。最后,把模型应用到实际案例中,进一步证明了模拟退火算法是可行、有效的。     

基于模型分块交叉移动的学习型模拟退火算法地震反演

针对地震非线性反演问题,提出一种基于模型分块交叉移动的学习型模拟退火的全局优化地震反演方法.其步骤为:首先,在模拟退火算法及粒子群算法基础上,在算法模型扰动项里面加入1个向目标优化的方向移动的学习项;其次,针对地震反演模型数量多及地震记录为褶积形式的特点,采用模型分块交叉移动的方法来实施模拟退火反演,给出模型分块交叉移动的学习型模拟退火算法流程.研究结果表明:该方法具有收敛速度快、精度高、实现简单、高效的特点,可以用于其他多维多极值的目标函数反演.     

模拟退火法用于电压稳定分析

为了提高用于电压稳定分析的非线性最优化方法的效率,提出了将模拟退火法和单纯形法相结合求解非线性最优化问题的新算法,避免了在全局最优点附近的大量低效搜索,提高了模拟退火法的计算效率。应用这种新算法求解静态电压稳定极限,用５节点系统进行验证得到了满意的结果。求解静态电压稳定极限问题可以等效为含有非线性等式约束和不等式约束的非线性最优化问题,采用内点法将不等式约束问题转化为等式约束问题,再通过引入罚函数转化为无约束最优化问题,然后应用本算法进行计算,结果表明新算法是有效的。     

终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

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。     

自适应模糊系统在大坝安全监测故障诊断中的应用

为提高大坝安全自动化监测的稳定性与可靠性,提出一种基于模拟退火的自适应模糊系统(AFS：Adaptive Fuzzy System)的学习算法,并根据此算法建立了大坝安全监测非线性监测器模型,同时利用该模型构造了大坝安全自动化监测故障自诊断系统．实例表明,该系统既具有模拟退火算法(SAA：Sireulated Annealing Algorithm)的全局优化搜索能力,又充分发挥了AFS的非线性逼近能力,并能够较好地实现故障的在线诊断和实时隔离．     

一类非线性规划问题算法研究

针对一类非线性规划问题,将模拟退火算法进行了改进,提出了一种相邻状态的产生函数,为研究非线性规划提供了新的有效求解途径。实例计算表明,该方法求解非线性规划确实有效。     

求解一类NP-HARD问题的一个快速算法

研究3-状态设备网络系统可靠性模型与模拟退火算法求最优解问题.对已有3-状态设备网络系统可靠性优化模型进行了分类,构造了一个新的系统可靠性优化模型,设计了一个模拟退火算法用于求近似最优解.计算机仿真表明,算法有效地给出了模型的近似最优解.     

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.     

非线性规划问题全局优化的模拟退火法

在无约束非线性规划问题全局优化的模拟退火算法基础上，进行有约束问题求解的进一步探讨，对不等式约束条件提出了检验法和罚函数法的处理方法，对等式约束条件开发了罚函数法和解方程法的求解步骤，并进行了分析比较，从而形成了完整的求取非线性规划问题全局优化的模拟退火算法。通过对文献例题的计算，表明所提出的方法能够快速有效地求出有约束非线性规划问题的全局最优解     

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。     

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.     

模拟退火算法及其在多层密度界面反演中的应用

模拟退火算法是以固体退火过程为物理背景的全局优化算法,具有全局寻优的能力,是一种有效的非线性组合优化算法。模拟退火反演算法实质是利用了地球物理反演问题求解过程与熔化固体退火过程的相似性,模拟其达到最低能量状态为系统目标函数的最优解。本文概要地介绍了模拟退火法的基本原理,解的接受准则,模拟退火法的实现方法、特点及其局限性。总结了近年来对模拟退火方法进行的改进,并给出了模拟退火法在多层密度界面反演中的实例。     

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.     

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.     

Hybrid particle swarm optimization for solving resource-constrained FMS

In this paper,an approach for resource-constrained flexible manufacturing system(FMS)scheduling was proposed,which is based on the particle swarm optimization(PSO)algorithm and simulated annealing(SA)algorithm.First,the formulation for resource-con-strained FMS scheduling problem was introduced and cost function for this problem was obtained.Then.a hybrid algorithm of PSO and SA was employed to obtain optimal solution.The simulated results show that the approach can dislodge a state from a local min-imum and guide it to the global minimum.     

Hybrid particle swarm optimization for solving resource constrainted FMS

In this paper, an approach for resource-constrained flexible manufacturing system （FMS） scheduling was proposed, which is based on the particle swarm optimization （PSO） algorithm and simulated annealing （SA） algorithm. First, the formulation for resource-constrained FMS scheduling problem was introduced and cost function for this problem was obtained. Then, a hybrid algorithm of PSO and SA was employed to obtain optimal solution. The simulated results show that the approach can dislodge a state from a local minimum and guide it to the global minimum.