基于模拟退火算法的含水层参数非线性反演

基于模拟退火算法,根据水头和流量观测数据建立含水层参数非线性反演方法,通过对参数的全局随机搜索反演,解决了含水层参数反党解不惟一的问题,同时提高了参数反演结果的稳定性,提出了根据观测仪器精度建立算法收敛准则的方法,数值模拟结果表明,提出的非线性反演方法具有较好的抗观测噪音的能力。     

基于均匀布点的模拟退火算法

把实验设计中的均匀设计思想引入模拟退火,提出了一种基于均匀设计变量的模拟退火优化方法。该方法根据均匀设计原理在优化模型的设计变量空间内均匀分布一系列点,然后,将可行域内的上述系列布点作为优化计算的系列初始点,并运用模拟退火算法,分别开始进行优化计算,得到优化模型的一系列局部最优点。最后,比较所有局部最优点的最优值,即认为在一定程度上获得了该优化问题的全局最优解。该算法可求取非线性多峰函数的全局最优解。编制了计算程序,给出了计算实例,计算结果表明该设计方法是可行的。     

基于模拟退火算法的属性均值聚类算法

基于对属性均值聚类算法和求解全局优化问题的方法的分析,提出了基于模拟退火算法的属性均值聚类算法。数值计算表明该算法是一个具有全局最优解的聚类方法。     

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.     

爆炸冲击荷载作用下拱结构动力屈曲研究

用数值模拟方法,研究了爆炸冲击荷载作用下拱结构的动力屈曲问题,重点分析了拱结构矢跨比对其动力响应和动力屈曲的影响。结果表明:对于矢跨比大于0.1的拱结构,在弹性振动阶段,拱顶位移幅值数量最大,当出现塑性变形以后,结构最大位移点在约1/6拱跨处;当爆炸冲击持续时间在某一范围内时,结构发生动力屈曲以后会出现反直观动力响应,位移幅值-荷载幅值关系曲线出现2个拐点,第1个拐点对应的荷载可看作动力屈曲临界荷载,第2个拐点对应的荷载可看作动力失效荷载。当拱结构的矢跨比小于0.1时,结构发生动力屈曲以后不会出现反直观动力响应,动力屈曲临界荷载即动力失效荷载。当爆炸冲击持续时间一定时,拱结构矢跨比越小,动力屈曲临界荷载越小。     

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。     

基于模拟退火算法的Hopfield神经网络参数优化

为解决Hopfield神经网络应用过程中参数设置的问题,在研究Hopfield神经网络的工作原理的基础上,分析了神经网络模型在求解TSP(Traveling Salesman Problem)问题过程中参数的选取,通过对输出数据进行归一化处理建立网络的评价函数,然后引入模拟退火算法对参数进行最优化选取。实验结果表明,经过参数优化过的Hopfield神经网络模型能更有效,更快速地得到TSP问题的最优解。     

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 ℃。     

基于模拟退火算法的实现及应用

模拟退火算法是一种有效的全局优化算法。文章阐述了模拟退火算法的基本原理及实现过程,给出了模拟退火算法的基本算法步骤。最后,给出了利用MATLAB语言实现模拟退火算法运用的数值例子,计算结果表明其是一种有效可行的方法。     

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。     

交叉口交通信号配时模拟退火全局优化算法

针对我国城市道路交叉口的交通流特性,提出交叉口交通信号配时的模拟退火全局优化算法。     

改进的非常快速模拟退火算法

在研究模拟退火机理分析的基础上,提出了一种改进的算法（MVFSA算法）的具体方案,目的是为了改进原算法（VFSA算法）中存在的缺陷,以提高算法的效率．在模型试验中,对改进后的算法与原算法的过程和结果进行了一系列的比较,发现改进后算法不仅保持了原算法全局寻优的优点,而且提高了算法的稳健性和效率．这就为模拟退火算法在更多方面的实际应用打下了良好的基础．     

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。     

基于滤子的模拟退火算法

利用滤子给出一种求解约束优化问题的新的模拟退火算法.在迭代过程中,该算法可通过现有算法自行产生试探点,然后借助滤子判断某个试探点是否被接受做为新的迭代点.此方法描述简单,使用灵活,而且较少受初始条件限制.     

利用模拟退火算法求大气压强公式

利用模拟退火算法识别大气压强公式中的参数,得到更精确的大气压强计算公式.该方法首先把参数识别问题转化为优化问题,然后运用模拟退火算法求出由多态方程推导所得大气压强公式中的大气比热比γ,从而得到更精确的大气压强公式.通过数值模拟,将本文得到的公式与其它文献给出的大气压强公式进行比较,结果表明用模拟退火算法所确定的大气压强公式精度更高.     

基于模拟退火算法的集装箱场桥调度优化

为了降低码头的运营成本,提高客户满意度,在分析集卡送箱进场作业流程的基础上,运用时间窗函数,建立以场桥与集卡相互等待时间最短以及场桥移动距离最短为目标的数学模型,根据模型特点设计模拟退火算法,实例数据代入的结果验证了该模型及算法的有效性。     

基于模拟退火原理的模糊C-均值聚类在证券市场中的应用

通过将模拟退火技术与模糊C-均值聚类相结合,提出了一种新的具有全局优化的模糊C-均值聚类算法,用于解决一般动态聚类方法中聚类结果对初始中心的敏感性问题。利用该方法,对上证50指数分类,并对分类结果的特征进行了分析。仿真结果表明该方法是一个具有全局最优解聚类方法。     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解