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。     

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。     

模拟退火算法机理研究

从机理上分析了采用Metropolis概率接受准则的重要性 ,认为按照该准则可以使模型跳出局部极小值 ,避免了落入局部极小点的可能 ,然后在退火计划的控制下模拟退火算法 ,最终可以找到最优解 ;深入分析了算法的退火计划和模型扰动 ,以及两者之间的配合的技巧 ,认为算法本身可以作进一步的改进 ;并提出了改进的思路 ,为下一步的具体改进打下了基础     

基于改进模拟退火算法求解TSP问题

对传统模拟退火算法的原理和不足进行分析,针对TSP问题的特点提出了改进的模拟退火算法.就传统模拟退火算法生成新解的随机性太强、参数设置不当不能搜索到全局最优解、容易丢失当前最优解等问题提出了新的初始解选择方案、新解生成机制和当前解的改良及增加记忆功能等方法.实验结果表明,新算法传统的模拟退火算法具有更快的收敛速度和更高的稳定性.     

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。     

模拟退火算法和推广的与时间无关的噪声算法

本文首先介绍了模拟退火算法,给出了它的物理和数学解释.另外首次对文献[5]中提出的推广的与时间无关的噪声算法(TINA)进行了严格的理论讨论,说明了当参数α>0 5时算法依概率收敛到一个全局极值点;而当α=0 5时,随机动力系统可能发生分支现象.     

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。     

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℃。     

基于模拟退火遗传算法和AHP的选址研究

给出了关于配送中心选址的0-1混合整数线性规划模型,该模型要求在一些已知的备选点中选出一定数目的地点,作为配送中心;并求出配送网络中的物流量,使配送网络总费用最小.由于这类模型属于NP难问题,为更好的求解此类问题,提出了定量化的模拟退火遗传算法与定性化的综合评价法相结合来确定配送中心地址的方法.     

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。     

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.     

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.     

模拟退火算法及其改进

介绍了模拟退火算法的背景、原理和具体实现方法，分析了它的不足之处，讨论了它的改进措施，并进行了仿真实验验证。