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.     

模拟退火遗传算法在尘埃粒子计数器标定中的应用

文章结合模拟退火算法和遗传算法，研究了国产尘埃粒子计数器单分散粒子标定问题．模拟退火遗传混合算法收敛速度快，有效防止种群早熟现象，也显著提高了尘埃粒子计数器粒径分布反演计算的稳定性，时单径标准粒子检测的分辨率提高到98％以上，为尘埃计数器标定提供了一种新的思路和方法．     

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。     

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。     

基于遗传算法模拟退火算法解决修边损耗问题

纸箱包装行业是一个传统的产业,在纸箱生产中需要拼单来降低修边损耗以减少成本。本文根据生产上的实际经验提出了问题的数学模型,针对该模型,本文将遗传算法和模拟退火算法结合,解决了遗传算法的收敛过快以及局部搜索能力不强的问题。在选择操作中直接保存优秀个体,来增强算法的收敛性。在变异和交叉操作中采用自适应的变异和交叉概率,增强了搜索解空间的均匀性,并引入了记忆功能,最终获得问题的近似最优解。     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点，即不能有效地克服过早收敛现象，以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法，它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合，提出模拟退火遗传算法。实验结果表明，该算法在性能上有较大的提高。     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火-遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火-遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。     

模拟退火遗传算法在煤矿主扇控制中的应用

根据矿井通风系统的工作特点,采用适用于非线性时变系统的神经网络方法对煤矿主扇风机进行实时控制。介绍了煤矿主扇风机的控制原理,提出了求解全局最优解的神经网络的学习方法－模拟退火遗传算法,并给出了算法的实现过程。系统采用无环流交-交变频方案、应用无速度传感器的矢量控制技术对拖动煤矿主扇风机的感应电动机进行控制。     

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。     

基于模拟退火改进的实参遗传算法及其工程应用

由于继承性的问题,遗传算法在编码和解码中会花费大量的计算时间;另外,由于缺乏"爬山能力",遗传算法很容易早熟和局部收敛.提出一种新的自适应模拟退火遗传算法,具有遗传算法和模拟退火的优点,同时自适应机制的引入,保证了解的质量并提高了收敛速度.将这种方法应用于螺旋弹簧约束优化设计问题中,结果表明,尽管群体规模较小,但在处理复杂问题时,这种混合算法的全局搜索能力和收敛速度显著提高.     

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．     

遗传算法及其在TSP中的应用

本文详述遗传算法的起源、实现、及应用和存在的问题。遗传算法是仿自然界的自然选择法则设计的。算法源于一群随机基因组，通过一定的适应性判决消除适应性低的基因组，保留适应性中等的和高的基因组；并在高适应性的基因组中，随机进行变异和组配，将基因组补足到恒定的数量，再进行适应性判决，一直到满足问题的要求。本文就此法做了中国旅行商题，实验效果非常满意，产生的结果比用Ｈｏｐｆｉｅｌｄ神经网络计算结果要好得多。     

集成电路设计中布线问题的模拟退火算法

模拟退火算法是解决组合优化问题－特别是NP完全问题的最有效的算法之一,它通过独特的在一定的概率下接受恶化解的机制,使算法跳离了局部最优的“陷阱”,利用模拟退火能够实现集成电路布线的优化。     

改进的遗传算法在蛋白质结构预测中的应用

摘要:为了提高蛋白质结构预测效率,针对蛋白质HP模型折叠问题,在标准遗传算法的基础上,本文提出了一系列改进的搜索策略:控制群体中全同体数目保持群体多样性;在交叉阶段实施单点交叉父子竞争提高个体生存竞争力;对最优个体实施系统变异局部优化等. 实验结果表明,与标准遗传算法相比,改进后的遗传算法较大幅度的提高了搜索效率和成功率,遗传算法在蛋白质空间结构预测上是一个有相当潜力的算法.     

双亲双嵌段共聚物在选择性稀溶液中自组装形态的模拟退火研究

本文利用模拟退火方法模拟了双亲双嵌共聚物在选择性溶剂中的自组装过程 .研究了溶剂和聚合物之间的相互作用对处于溶液中的双嵌段共聚物聚集体的形状和大小的影响 .同时考察了球状 -杆状胶束之间的转变机制 .模拟结果表明 ,当溶剂和疏水嵌段之间的相互作用较小时 ,聚集物的形态是球状胶束 ,而且随着相互作用的增加 ,球状胶束的聚集数增加 .当溶剂和疏水嵌段之间的相互作用增加时 ,聚集物的形态将由球状变为杆状 ,并进一步变为洋葱状     

遗传算法用于NP完全问题的求解

讨论了如何利用遗传算法求解布尔表达式的可满足性问题,并给出该结果对求解其他NP完全问题时的应用.     

改进遗传算法求解带不相关并行机的HFSP

以最小化最大完工时间为目标的不相关并行机混合流水车间调度问题.首先建立了不相关并行机混合流水车间调度问题的数学模型;然后提出了改进的遗传算法进行求解.为弥补遗传算法的迭代后期容易陷入局部搜索的缺陷,在传统遗传算法的基础上利用改进的自适应交叉和变异概率因子及模拟退火局部搜索策略,增强遗传算法在迭代后期跳出局部最优的能力....     

利用遗传算法和人工神经网络的外形重构

给出了一种新的基于复变函数、遗传算法和神经网络的曲面重构方法,曲面可以用解析表达式的格式重构。根据确定的离散化样本集合,在均方差的意义上,这种表示法是最优的。我们采用的曲面表示方法是通过进化计算得到的,其中反复应用了交叉和变异操作,结合误差反传训练算法,直到满足终止条件。表达式最终被分类成一些基本函数的特征组合。这种方法可以用于3D物体的CAD模型重构和自由光滑曲面模拟。用VisualC 和MatLab演示了该系统,并且实现了在设计过程中的实时曲面可视化。     

基于模拟退火算法的输电网中长期规划研究

模拟退火算法是一种解决组合优化问题的有效方法,其最终优化结果不依赖于初始解的选择,理论上可避免算法过早收敛于局部最小点,从而保证找到全局最优解或全局近似最优解．本文将模拟退火算法用于输电网中长期规划问题的研究,详细介绍了算法实现过程中各种参数的选择方法并给出了具体算例．试算结果表明利用该算法得到的优化结果是令人满意的．     

遗传算法在工程项目资源优化中的应用

GA是一种源自生物界自然选择和自然遗传机制的随机化搜索方法,群体搜索策略和信息遗传的特点使其在组合优化中表现出其它传统方法所不能比拟的性能。将GA应用于工程项目的资源优化中,解决资源平衡和资源有限问题,避免了繁琐的推断过程,同时还能得到除最优解外的几个次最优的解决方案。