基于遗传模拟退火算法的带约束换热网络综合问题

对大规模换热网络综合ＮＰ－困难问题,构造一新模型,并证明了新模型与原问题的等价性,由于新模型不仅能计算出优化变量所在的可行域,避免了传统遗传算法应用惩罚函数的方法处理约束条件时产生的大量不可行解的缺陷,而且新模型中的优化变量数成倍减少,增强了遗传算法获得全局最优解的能力。     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

改进遗传模拟退火算法在多峰值函数优化中的应用

采用均匀变异算子及自适应最优保存的方法对遗传模拟退火算法进行了改进,并用MATLAB实现了改进算法中各算子的编程方法．实例证明该算法能够在多峰值函数优化中较快的收敛至最优解．     

换热网络综合中最小换热单元数的神经网络模型

文中提出一种新的换热网络最小换热单元的求解方法－神经网络方法，采用中文提出的优化模型议程及优化策略，能够快速准确地求得最小换热单元数，求解时自动化程度高。尤其适用于物流数较多的换热过程并通过实例说明本方法的实施情况。     

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。     

模拟退火改进遗传算法在股市投资决策中的应用

针对遗传算法的欺骗问题,指出了变异率对全局最优解获得及解的稳定性的影响,提出了模拟退火算法改进的遗传算法,并结合股市投资决策方案选择问题进行了实例验证。     

基于遗传模拟退火算法的任务分配与调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源。因此计算任务在各种资源之间的调度成为了一个关键的问题。结合遗传算法GA和模拟退火算法SA的优点,提出了一种全局遗传模拟退火算法GGSAA,并将算法应用于网格计算任务调度问题的求解之中。最后给出了GGSAA算法的仿真结果。     

改进的模拟退火算法及其在正交偶极子各向异性反演中的应用

正交偶极子各向异性反演中一般采用快速模拟退火算法(VFSA)。为了提高VFSA算法的分辨率,提出了一种改进的VFSA算法,此算法需结合局部优化算法,即在VFSA算法的每一循环中随机产生3个点,然后运用单纯形算法进行局部寻优,所得最优解作为下一循环的初始点继续下一循环。使用改进的VFSA算法处理了大庆某井的正交偶极子声波测井数据,并将该算法与传统的VFSA算法的处理结果进行了比较。结果表明,改进的VFSA算法比传统的VFSA算法具有更好的收敛特性。若合理地选择计算参数,则改进的VFSA算法的速度下降并不明显。     

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.     

混合遗传-模拟退火算法在电网规划中的应用

遗传算法是一种根据自然界优胜劣汰的进化机理进行搜索和寻优的方法．在求解电网规划问题时,基于遗传算法在电网规划计算中可能陷入局部收敛而无法达到全局最优,本文引入模拟退火技术,并提出了混合遗传－模拟退火算法．计算结果表明,经改进后的新算法能使计算跳出局部收敛而达到全局最优的目的     

一种混合遗传模拟退火算法及其应用

分析了遗传算法和模拟退火算法的优缺点，提出了一种混合遗传模拟退火算法，对其进行优化，并将该算法应用于TSP问题的求解之中，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法和模拟退火算法．     

改进的模拟退火算法及其在正交偶极子各向异性反演中的应用

正交偶极子各向异性反演中一般采用快速模拟退火算法(VFSA)。为了提高VFSA算法的分辨率，提出了一种改进的VFSA算法，此算法需结合局部优化算法，即在VFSA算法的每一循环中随机产生3个点，然后运用单纯形算法进行局部寻优，所得最优解作为下一循环的初始点继续下一循环。使用改进的VFSA算法处理了大庆某井的正交偶极子声波测井数据，并将该算法与传统的VFSA算法的处理结果进行了比较。结果表明，改进的VFSA算法比传统的VFSA算法具有更好的收敛特性。若合理地选择计算参数，则改进的VFSA算法的速度下降并不明显。     

模拟退火算法在军用桥梁优化设计中的应用

军用桥梁结构优化设计中包含两类设计变量：连续变量和离散变量,混合变量优化设计问题是军用桥梁界普遍关注的问题。介绍了一种新的优化设计方法——模拟退火算法,其突出的优点是可以求得全局最优解。以军用桁架桥为例,对军用桥梁结构设计中连续和离散混合设计变量的优化问题进行了分析,计算结果表明该方法是可行的。对算法在军用桥渡结构设计中的应用提出了几个研究方向。     

基于遗传模拟退火算法的移动机器人静态路径规划

采用多边形法描述了机器人的工作环境模型,应用简化编码长度的技术简化了工作路径编码方式.对于基于遗传算法产生初始路径种群后的各路径的适应值进行评价.经过多次交叉、变异,并借助模拟退火中Metropolis算法的随机移动准则制定了高效的温度更新函数,获得了从起始点到目标点的一条全局最优路径.最后在Visual C++环境中通过仿真验证了此算法的可行性和高效性.     

模拟退火算法在低功耗BIST中的应用

提出了应用模拟退火算法在一定长度的测度矢量集中寻找有效测试矢量的近似最优分组，在尽量减少面积开销的同时减少有效测试矢量的个数，并且通过置入种子的方法使LFSR产生近似最优分组的矢量，因此在保障故障盖主的前提下达到了降低测试功耗的目的。实验表明，采用此方法可降低测试功耗70％以上，而故障覆盖维持不变，此外，由于减少了测试矢量，测试时间也大为缩短，在实时系统中，减少测试时间尤为重要。     

基于遗传模拟退火算法的漏磁缺陷重构

通过将模拟退火技术加到遗传算法（GA）的变异运算中，提出一种遗传模拟退火算法（genetic-simulated—annealing—algorithm，GSAA），并且提出一种基于GSAA的逆算法，用于从漏磁信号中重构二维缺陷．该算法中，径向基函数神经网络（RBFNN）用作前向模型，GSAA用于求解逆问题中的优化问题．实验结果表明，同基于GA的逆算法相比，基于GSAA的逆算法更精确，并且对噪声更具鲁棒性．     

模拟退火算法改进及工业应用

通过研究模拟退火算法搜索过程,分析了搜索初期和后期２ 种情况下算法可能长期陷入局部点无法跳出的原因,分别采用变异操作和扩大搜索空间的方法对一种单循环模拟退火算法予以改进;改进算法应用于锌电解过程分时供电优化,现场运行结果表明：优化所得的合理分时供电方案用于指导锌电解生产,为厂矿企业带来显著的经济效益．     

改进模拟退火算法在图像配准中的研究

为了实现图像的配准，提卅了使用模拟退火算法求解2幅图像的最佳匹配参数，然后对待配准图像进行变换，从而达到配准目的．实验表明，该方法对平移、旋转的2幅图像具有较高的配准精度和初值鲁棒性，其中的改进算法，即单纯形一模拟退火算法可以使优化解不陷入局部极值而获得全局优化解，具有更高的配准精度，同时也大大提高了运算效率．     

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。     

模拟退火混合遗传算法及其实现

传统的基本遗传算法在全局搜索和收敛速度上存在不足,通过把基本遗传算法和模拟退火算法相结合,提出的模拟退火混合遗传算法能够大大提高收敛速度,并采用一个多峰值函数验证了模拟退火混合算法的性能．