基于量子退火算法的无线传感器网络节点定位

经典模拟退火、遗传算法等是无线传感器网络节点非测距定位广泛使用的方法,但是它们都存在:①容易陷入局部最优,难以实现全局最优,定位精度不高;②计算较复杂,能耗较多等问题.提出了基于量子退火算法的无线传感器网络节点定位方法,利用量子隧穿效应,可以较快地穿透能量势垒由局部最优到达全局最优,简化了计算,提高了计算速度.通过仿真实验验证,该算法与传统的遗传算法和经典模拟退火算法相比,提高了精度,降低了能耗.     

求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

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。     

采用横向铁磁交互作用的随机场伊辛模型的量子退火算法

通过数值对角化分析瞬时基态和第一激发态,提出基于横向铁磁交互的量子退火的优势.采用贝特近似作为实际执行的算法,给出相应的模拟结果,并对传统量子退火、基于横向铁磁交互作用的量子退火和模拟退火算法的剩余误差进行比较.结果表明:所提算法能有效提高传统量子退火在随机场伊辛模型中的收敛速度;利用量子波动的选择空间可以有效实现量子退火的最佳性能.     

一种改进的量子退火算法

为了进一步提高量子退火算法在优化问题上的计算速度,对量子退火算法如何移动到新解这个问题的方法进行改进,将粒子透射系数引入到量子退火算法中,并通过透射系数来确定是否移动到新解.实验结果表明:通过透射系数确定新解的方法能在更短的计算时间内得到最优解.     

基于量子退火算法的配电网故障定位

由于分布式电源在配电网的高渗透给有源配电网的保护技术和策略带来了挑战,致使传统方法在故障诊断中稍显逊色。针对此现状本文提出基于量子隧穿效应的量子退火算法实现故障诊断,并通过对量子退火算法进行优化以改善其在复杂配电网故障诊断中有小概率陷入局部极小值的问题。首先拓展传统故障定位适应度函数为量子退火算法的评价函数;其次,提出混沌优化产生初始磁场强度和初始温度提高搜索效率,利用自适应公式计算扰动次数,并设计陷入局部最优时的扰动方法跳出当前最优可行解;接着构造具备升温特点的温度衰减函数,选择合适形式的磁场衰减函数;最后将改进的量子退火算法进行三种经典函数的测试,并分别应用于33节点单电源和33节点含分布式电源配电网两个故障场景中。模拟仿真表明,改进量子退火算法在故障定位问题中具备可行性,能够适应联络开关的开闭变化和多个含分布式电源的投切,表现出良好的定位准确率,容错性和全局寻优能力等。     

基于二次退火机制的改进多态蚁群算法

利用多态蚁群算法和模拟退火算法的优点提出一种新的融合优化算法。研究结果表明:模拟退火用于优化每轮迭代后的路径,使得信息素释放更好的反映路径的质量;退火思想同时用于信息素更新机制,避免算法早熟、停滞,较差的路径按照退火竞争机制释放信息素;由于每轮迭代最优路径释放信息素最多,对其进行3-opt优化,提高搜索效率。同时,新发现的最优路径允许释放更多的信息素,使得蚂蚁在后续迭代中能够记住这条新路径。实验结果验证了算法的有效性。     

量子蜂群算法及其在认知频谱分配中的应用

基于人工蜂群理论和量子计算,提出一种新的离散组合优化算法——量子蜂群优化算法.该量子蜂群算法使用2种新的量子觅食行为完成整个量子蜂群的协同演进,快速找到最优的蜜源位置,通过对优化函数的测试验证其高效性.以该量子蜂群算法为基础,提出一种认知无线电频谱分配算法,与经典的遗传算法,量子遗传算法和粒子群算法等智能优化算法及敏感图论着色算法在不同的网络效益函数下进行仿真性能比较.仿真结果表明:本文提出的量子蜂群频谱分配算法均能够较好地找到最优解,优于经典的频谱分配算法和已有的智能频谱分配算法.     

一种拟随机初始化模拟退火粒子群算法

针对粒子群优化算法在求解高维问题时易出现的早熟收敛、停滞现象,提出一种拟随机初始化模拟退火粒子群算法.采用Hammersley方法对算法进行初始化,可以提高算法在高维搜索空间的搜索能力,进一步将模拟退火思想引入到粒子群优化算法中,结合粒子群优化算法的快速寻优能力和模拟退火算法的概率突跳特性,使算法具有跳出局部最优从而实现全局最优的能力.分别在5个经典测试函数上测试算法的性能,仿真实验结果表明,提出的算法有效克服了传统粒子群优化算法在求解高维空间优化问题时易出现的停滞现象,在进化后期仍保持较强的搜索能力,提高了传统粒子群优化算法在高维空间的全局寻优能力.     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

农村配电网开关的优化配置

为了克服应用传统遗传算法进行农村配电网开关优化配置时,由于遗传算法的"早熟"和局部寻优能力较差所导致的难以得到全局最优解的问题,将遗传算法与局部搜索能力较强的模拟退火算法相结合,以遗传算法为主,引进模拟退火算法产生新个体,形成遗传退火算法.同时,采用整数编码策略,以包含停电损失费用在内的总供电成本最小为目标函数,以节点电压、支路过负荷等为约束条件,RBTS-BUS6配电系统作为算例,将遗传退火算法应用于农村配电网开关优化配置.优化结果表明,遗传退火算法避免了遗传算法收敛过快的缺点,保证了所得解的全局最优性,求解精确解的质量优于遗传算法,是农村配电网开关优化配置强有力的工具.     

模拟退火算法在钢桁架优化设计中的应用

将模拟退火算法应用于桁架结构离散变量优化问题,提出新的用于离散变量的退火邻域结构,进行了三杆和十杆桁架结构模拟退火算法优化计算,并与遗传算法和传统优化设计方法的优化结果进行了比较.结果表明模拟退火算法对桁架结构离散变量的优化问题更加有效,且新的邻域结构加快了算法的收敛速度,提高了算法的稳定性和有效性.     

白噪声混沌神经网络的模拟退火策略

分析了白噪声混沌神经网络模型的动力学特性和对自反馈连接权值的敏感性,研究了退火函数在优化过程中对准确性和计算速度的影响.利用分段模拟退火思想对白噪声混沌神经网络进行改进,使得该网络模型在保证优化算法准确性的基础上,加快了收敛速度,并通过对经典旅行商问题的仿真实验,表明算法具有很强的克服陷入局部极小点的能力,较大程度地改善了原模型的求解组合优化问题的能力,验证了这种分段模拟退火策略的有效性.最后说明了模型参数对改进网络性能的重要性.     

WSN中一种平衡节点能耗的分簇算法研究

针对无线传感器网络(WSN)中能量消耗和节点死亡过高的问题,在分析LEACH-C集中式分簇算法的基础上,提出了一种基于量子行为粒子群优化的WSN分簇算法.考虑到模拟退火算法在执行算法过程中的复杂性,利用具有全局搜索能力和收敛速度快等特点的量子行为粒子群优化算法,代替模拟退火算法对LEACH-C分簇算法中簇头的选取进行优化.通过MATLAB仿真分析,改进后的算法有效延长了传感器节点的生命,平衡了各节点的能量,提高了WSN的整体性能.     

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.     

K2与模拟退火相结合的贝叶斯网络结构学习

针对基于模拟退火的贝叶斯网络结构学习算法由于模型扰动方式遍历模型空间的能力不足,往往不能获得全局最优网络结构的问题,将K2算法与模拟退火算法相结合,提出了一种改进的贝叶斯网络结构学习算法.算法通过随机交换当前节点序中2个节点的位置以产生新的节点序,再利用K2算法学习获得贝叶斯网络结构,作为模拟退火算法中的新状态,以达到提高模型全局扰动能力的目的.算法记录了在模拟退火过程中遇到过的最优网络结构,并在模拟退火过程结束后再利用爬山法对其作进一步优化.对Asia网的仿真学习结果表明:在样本量较为充足的情况下,所提算法能够获得近似全局最优的网络结构,具有较好的学习效果,但算法的效率略显不足.     

融合模拟退火的改进教与学优化算法

针对教与学优化算法(TLBO)在解决复杂优化问题时易陷入局部最优的缺点,提出了一种融合模拟退火的改进教与学优化算法(SAMTLBO).该算法首先对学员阶段做了改进,在保持TLBO算法简单易实现的基础上,利用模拟退火方法增强了TLBO算法摆脱局部最优的能力,最后用4种算法对8个无约束优化函数仿真.数值实验表明,该算法无论是在收敛速度还是在寻优精度上均优于基本TLBO算法、ETLBO算法和DMTLBO算法.     

一种智能混合优化策略及其应用

通过结合蚁群算法的并行搜索结构和模拟退火算法的概率突跳性,提出了一种有效的混合优化策略,并将该策略应用于FSP调度问题.在该策略中,蚁群系统的一个周游路线为模拟退火算法提供一系列初始解,在每个退火温度进行抽样准则检验并产生新解,然后更新信息激素;蚁群算法再利用模拟退火算法产生的新解进行并行搜索.     

模拟退火与紫外光谱法用于维生素多组分分析

模拟退火（SA）系寻找全局最优并能跨越局部最优的随机优化算法,它源于对高温物质的退火过程几近平衡的统计力学模拟,SA算法及随机抽样,通用模拟退火（GSA）法可用于多元校正。本文结合紫外先请将SA与GSA用于维生素多组分分析,获得良好效果。     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。