基于模拟退火算法的工具变量选取方法

工具变量估计是解决模型内生性问题的基本方法，但其有限样本表现对工具变量的选取十分敏感. 近年来，对于“多工具变量”模型，文献中提出了基于近似最小均方误差的工具变量选取方法来解决这一问题，但这些方法或依赖于工具变量的排序，或受限于工具变量的数目. 本文采用基于模拟退火算法的工具变量选取方法很好地克服了这些缺陷. Monte Carlo 模拟结果表明该算法有效可行.     

基于模拟退火算法的水下航行器流体动力参数辨识

运用模拟退火算法和极大似然准则，对水下航行器流体动力参数进行辨识。辨识结果表明：运用模拟退火处、可以求得水下航行器流行动力参数的极大似然估计；与常规辨识算法相比，模拟退火算法对初值的选取要求较低。     

基于EKF与UKF的利率期限结构模型估计及对比

在CKLS广义模型框架下,引入基于扩展卡尔曼滤波(EKF )和无损卡尔曼滤波(UKF )的利率期限结构均衡模型的估计方法,并使用加拿大国债数据对EKF和UKF的模型估计效果进行了对比实证研究.结论表明,引入的基于UKF的模型估计方法相对于文献中普遍采用的基于EKF 的估计方法的估计效果有明显改善,尤其存在强非线性和非正态分布的模型条件下,基于 UKF 的模型估计方法相对于基于EKF的估计方法有很大优势.进一步,基于UKF 估计方法对Vasicek 模型和CIR模型的数据拟合性进行了对比研究.结果表明,Vasicek 模型和 CIR 模型均具有较好的数据拟合性,而Vasicek 模型相对更好.     

一类非线性两级规划问题的模拟退火求解

提出一种基于模拟退火算法求解一类非线性两级规划问题的方法。为了提高模拟退火算法处理上级约束的能力，在模拟退火算法中引入一个辅助优化问题，通过求解该辅助优化问题产生满足上级约束的试探点，避免了使用罚函数处理上级约束。数值计算结果表明，与使用罚函数处理上级约束的模拟退火算法相比，本文提出的方法不仅可以提高求得全局最优解的可靠性，而且可以减少模拟退火算法的迭代次数，提高计算效率.     

基于模拟退火算法校正天线阵列方向性误差

针对天线阵列方向性误差的校正问题,基于信号子空间的基本原理,结合模拟退火算法,提出了一种精确估计天线阵方向性的方法。该方法使用校正源少,稳定性好,即使在雷达工作、并且存在其它未知信号时,也能准确估计出天线阵的方向性。给出了应用该方法的具体步骤,通过仿真实验证明该方法的有效性。     

模拟退火自适应模糊系统学习算法及其在故障诊断中的应用

把自适应模糊系统的学习过程分解为聚类和线性优化,用模拟退火作为聚类的工具,提出了一种基于模拟退火的自适应模糊系统学习算法,用该学习算法建立某非线性伺服机构的模型,并构造基于模型的故障诊断系统,实验取得了良好的结果。     

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

基于三维模型的多传感车辆定位与识别研究

车辆的定位与识别是智能车研究的重要环节。针对二维算法及单传感的不足,提出了一种基于三维模型的多传感车辆定位与识别算法。定位系统中,通过将雷达的位置估计和图像的灰度信息进行融合来获得位移参数,并将改进的Hausdorff距离和模拟退火算法相结合得到旋转参数。在此基础上,识别系统计算每个模型与目标车辆的匹配值,根据其在采样时段内的平均值确定车辆类型。实验证明,该方法能有效地实现目标车辆的定位和识别。     

集装箱码头集成调度模型与混合优化算法

为提高集装箱码头作业中各种设备的协调性,提高整体作业效率,建立了集成调度模型,模型集成了装卸桥、集卡与龙门吊的调度问题.同时,设计了求解模型的混合优化算法,此算法集成了神经网络良好的近似估计功能与模拟退火算法有效的搜索能力.算法流程是:初始化集装箱装卸序列;基于一定的分配规则为集装箱分配作业设备;采用模拟退火算法搜索解空间,更新装卸序列.在算法过程中,用神经网络预测目标函数,并且过滤明显的劣质解.最后,通过算例分析验证了模型与算法的有效性.结果表明,混合优化算法可以提高模型求解效率,对于规模为400个集装箱的调度问题,平均偏差为7.52%,计算时间为8.9s,模型与算法可行.     

基于模拟退火遗传算法的编队对地攻击火力分配建模与优化

针对编队对地攻击火力分配的特点,围绕效费比最大化目标,以毁伤下界为约束,建立了基于模拟退火遗传算法的编队对地攻击火力分配模型。模型从两个阶段分别实现编队对地攻击的效用最大化和费用最小化。利用遗传算法出色的全局选优能力和模拟退火算法优秀的局部搜索能力,构建了模拟退火混合遗传算法,并将其用于编队对地攻击火力分配求解中。仿真结果表明,该方法能以较快的速度求得最优解,得出的最佳火力分配方案符合作战要求,验证了模型的合理性和算法的可行性。     

Modeling of Selective Availability for Global Positioning System

ＭｏｄｅｌｉｎｇｏｆＳｅｌｅｃｔｉｖｅＡｖａｉｌａｂｉｌｉｔｙｆｏｒＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ￥ＹａｏＨｕｉｈａｉ＆ＬｕｅＳｈａｎｗｅｉ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｉｃａｌＥｎｇｉｎｅｅｒｉｎｇＢｅｉＪｉｎｇＵｎｉｖｅｒ...     

基于SAEM-HMM的设备状态诊断模型研究

针对设备状态诊断问题,提出了基于模拟退火和期望最大化算法的隐马尔可夫模型(SAEMHMM).该模型针对改进传统隐马尔可夫模型对初值敏感及期望最大化算法容易陷入局部最优的不足,将模拟退火算法与期望最大化算法结合,利用前者具有概率的全局收敛性,克服局部最优问题,实现隐马尔可夫模型参数估计过程的优化.最后通过算例分析验证了该模型的可行性与有效性.     

一种改进的连续变量全局优化模拟退火算法

在连续变量的全局优化问题求解中,提出了一种改进的模拟退火算法.该算法提出了一种自适应的函数变换方法,解决了模拟退火算法中较难处理的初始温度问题,使初始温度与具体应用问题无关;结合成功-失败法和变尺度方法,提出了有效偏移量的概念,改进了解的产生方式;提出了一种以相对精度为基础的结束准则,较好地解决了计算效率和计算精度的平衡,提高了算法的效率和通用性.数值测试算例验证了本文的改进模拟退火算法的可行性和高效性.     

基于GASA算法的网络控制系统的控制器设计

提出了一种基于遗传算法和模拟退火算法的混合策略，用于单包传输下的线性网络控制系统中远程PID控制器的设计。这种新的混合策略被称为GASA算法。由于网络导致的延迟存在，GASA算法被用于确定最佳的PID增益。在求解过程中，GASA算法在各温度下依次进行GA和SA搜索，其中SA的初始解来自GA的进化结果，SA经过Metropolis抽样过程得到的解又成为了GA进一步进化的初始种群，而温度的更新由退温操作来控制。对设定的性能指标如超调量和调整时间的违背量将作为GAsA适应度函数中的惩罚项。本文对基于Profibus-DP网络的网络控制系统进行测试，并与修正Ziegler-Nichols法的优化结果进行比较，结果表明在对网络导致的延迟没有任何先验知识的情况下，用于网络控制系统中远程控制器设计的GASA算法能够获得满意的控制效果。     

基于模糊层次分析的MIMO/SA多天线系统算法性能评估方法

多输入多输出（multiple input and multiple output, MIMO）和智能天线（smart antenna, SA）是第四代移动通信系统的关键技术,其结合的MIMO/SA多天线系统所采用算法的不同,直接影响系统性能,准确评估MIMO/SA多天线系统的算法性能,对于实际应用十分重要。结合波达方向估计算法、空时编译码算法、波束成形算法的算法性能指标,应用模糊层次分析法建立了层次结构模型,确定了各算法性能指标的权重和隶属度,得到了MIMO/SA多天线不同实现方案中不同算法的模糊综合评估方法,进行了仿真验证。仿真结果表明,评价方法能在不同的MIMO/SA多天线实现方案中选择出优化方案,对MIMO/SA多天线系统的方案设计与算法实现有较好的参考价值。     

核电厂数字化主控室操纵员的情景意识可靠性模型

情景意识(situation awareness,SA)是影响核电厂操纵员决策和绩效的关键要素,SA可靠性是人因可靠性分析的重要组成部分.为了对SA可靠性进行定量评价,通过与核电厂操纵员访谈,建立数字化主控室操纵员的情景意识可靠性分析的贝叶斯网络模型.在此基础上,建立情景意识可靠性的定量评价程序,并结合核电厂全尺寸模拟机实验数据和贝叶斯理论,更为客观地确定了影响SA可靠性的影响因子的条件概率分布,用于定量计算SA可靠性,并通过实例分析说明该模型的具体应用.结果表明,该模型能为数字化核电厂操纵员的SA可靠性评价提供更为可靠性的数据支持和规范化的分析程序.     

Simulated annealing algorithm for detecting graph isomorphism

Evolutionary computation techniques have mostly been used to solve various optimization problems, and it is well known that graph isomorphism problem （GIP） is a nondeterministic polynomial problem. A simulated annealing （SA） algorithm for detecting graph isomorphism is proposed, and the proposed SA algorithm is well suited to deal with random graphs with large size. To verify the validity of the proposed SA algorithm, simulations are performed on three pairs of small graphs and four pairs of large random graphs with edge densities 0.5, 0.1, and 0.01, respectively. The simulation results show that the proposed SA algorithm can detect graph isomorphism with a high probability.     

基于改进搜索策略的混合蜂群算法

针对人工蜂群算法搜索效率低、易陷入局部最优和精度低等缺点,提出混合蜂群（hybrid bee colony, HBC)算法。将人工蜂群（artificial bee colony, ABC）算法局部收敛性与模拟退火（simulated annealing, SA）算法全局收敛性结合,为ABC算法提供了一种新机制。根据SA算法中Metropolis接受准则, 通过调整温度依概率确定全局最优解的替代值,并利用全局最优解的替代值和个体极值来改进ABC算法的引领蜂搜索模式。其次,改进侦察蜂搜索方式,根据迭代次数非线性减小侦察蜂搜索范围和以一定概率反向搜索更新方式,能够有效地提高算法的全局搜索能力,并加快算法的后期收敛速度。通过对8个复杂函数仿真测试,结果表明,HBC算法在搜索性能和精度方面均有明显提高。     

资源均衡问题的Hopfield 解决方法

为有限资源均衡问题提供一个神经网络解决方法.首先提出增广置位矩阵,描述了资源均衡的神经网络表示,使得神经元的输出和问题的解彼此对应起来;然后在时间和资源约束下利用多种技巧构造网络的能量函数,使其能量最小值对应于资源最均衡的状态;并且提出基于“权值状态发生器”的离散Hopfield与模拟退火算法(DHNN-SA)融合的镶嵌式混合结构,从本质上提高了网络的优化质量;最后设计了资源优化神经网络的模拟程序.     

模拟退火算法在压注采系统优化中的应用

压注采系统是一个包括低渗透油田开发中压裂、注水和采油三个主要环节的非线性复杂系统 ,用常规方法难以对该系统进行优化设计 ,为此提出了用模拟退火算法优化压注采系统的方法 .模拟退火算法是一种全局优化方法 ,对初始点的依赖性不强 .特别是对于本身就涉及到大型数值计算的压注采系统 ,模拟退火算法更显示出其直接寻优的优势 .研究结果表明 ,用模拟退火算法能有效地解决压注采系统的非线性全局优化问题 ,可以得出不同条件下压、注、采的最佳匹配关系 ,实现了压裂、注水和采油技术与经济的统一 ,从而为提高低渗透油田开发的整体效益提供了可靠的理论依据.