基于遗传优化算法的二维漏磁缺陷重构

信号逆问题,即从测量信号中恢复出缺陷轮廓及其参数,是漏磁无损评估中的一个重要课题.提出了一种基于遗传算法的逆算法,用于从漏磁信号中重构二维缺陷.在该算法中,径向基函数(RBF)神经网络用作前向模型,遗传算法用于求解逆问题中的优化问题,其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题,并能得到逆问题的全局最优解.实验结果验证了所提出的逆算法的有效性.     

基于遗传优化算法的二维漏磁缺陷重构

信号逆问题，即从测量信号中恢复出缺陷轮廓及其参数，是漏磁无损评估中的一个重要课题。提出了一种基于遗传算法的逆算法，用于从漏磁信号中重构二维缺陷。在该算法中，径向基函数（RBF）神经网络用作前向模型，遗传算法用于求解逆问题中的优化问题，其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题，并能得到逆问题的全局最优解。实验结果验证了所提出的逆算法的有效性。     

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。     

改进的遗传局部搜索算法在漏磁逆问题中的应用研究

通过将模拟退火技术加到遗传局部搜索算法(GLSA)的扰动过程中,提出一种改进的遗传局部搜索算法(IGLSA)及基于IGLSA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,IGLSA用于求解逆问题中的优化问题.实验将该逆算法分别与基于规范遗传算法(CGA)的逆算法和基于GLSA的逆算法进行了比较,结果表明基于IGLSA的逆算法更精确,并且对噪声具有鲁棒性.     

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．     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合，形成模拟退火-遗传算法以及模拟退火-粒子群优化算法，并作性能对比分析。研究结果表明，这两种算法都在进化代数和全局寻优能力方面有较大突破，在找寻最佳个体解的效率士，模拟退火-粒子群优化算法更突出。     

基于随机生成树的配电网重构模拟退火算法

提出了一种基于实数编码方式的配电网重构模拟退火算法,即按开关序号的实数编码方式产生随机序列,再利用图论方法产生对应的一棵生成树(一种树状网络结构)．该算法可保证解空间的可行性和完备性．对算法的邻域结构的确定进行了分析．给出的算例表明该算法求解快速,简单有效。     

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LS-SVM的管道二维漏磁缺陷重构

针对铁磁材料的无损评估中,漏磁信号描述缺陷的几何特征难点,提出了应用支持向量机对二维缺陷重构的新方法,支持向量机输入是漏磁信号,输出是缺陷轮廓数据,建立了由缺陷的漏磁信号到缺陷二维轮廓的映射关系。网络学习采用最小二乘算法,训练样本由实验数据与仿真数据组成,测试样本为人工裂纹缺陷。该方法实现了人工裂纹缺陷的二维轮廓的重构,并与径向基神经网络重构结果进行了比较。试验结果表明,该方法具有速度快、精度高和很好的泛化能力,为漏磁检测定量化提供了一种可行的方法。     

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.     

采用混合遗传算法设计最短时间4冲量转移轨道

转移轨道的设计与优化是航天器完成空间任务的基础性工作,研究最短时间转移轨道的设计方法对执行空间快速响应的航天任务具有重要意义.本文通过分析4冲量轨道转移的物理过程,将轨道优化问题转化为参数优化问题,从而建立了多冲量轨道转移的数学模型:而后采用混合遗传算设计最优轨道,设计了串联型和嵌入型两种不同的混合结构,并选择一种具有自适应性的退火惩罚函数策略来处理约束条件;最后通过数值仿真验证了算法的有效性.仿真结果表明,本文设计的两种混合遗传算法能够很好地处理多冲量变轨的优化问题,特别在处理多约束条件时十分灵活、有效.     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为MIT技术应用提供了理论参考.     

求解多峰值问题的改进混合遗传算法

由于遗传算法解决问题时容易陷入局部极值点,根据遗传算法全局搜索能力强和模拟退火算法局部搜索能力优的特点,将它们混合使用,同时改进初始群体产生方法,使随机产生的初始群体之间有较明显的差别,能均匀分布在解空间,并采取与进化代数相关的多精英保留策略及改进的自适应选择与变异操作.模拟退火算法的结束条件改进为当连续五代个体与前一代适应值无变化或当前温度小于结束温度.仿真实验表明新算法在求解多峰值问题时改善了遗传算法的局部搜索能力,有效地解决了遗传算法的早熟现象,显著提高了遗传算法求得全局解的概率.     

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。     

浅析用摸拟退火算法求解旅行商问题

模拟退火算法是一种重要的现代优化算法,通过介绍模拟退火算法的形成原理、算法步骤和求解旅行商问题,重点阐述了模拟退火算法的主要优点和缺点.     

高非线性水质模型参数最优化估值的改进遗传算法实现

遗传算法是一种具有全局搜索功能的进化算法,对解决水质模型参数最优化估值问题针对性强,但该算法存在着局部早熟收敛和收敛速度慢两个不足,因此目前在水质模型参数优化中的应用主要以具有解析解形式的简单模型为主,解决多维非线性度高的综合水质模型参数最优化问题效果不佳.本文在标准遗传算法(SGA)的基础上,建立改进的实编码混合遗传算法(IRHGA),通过设定目标函数最大控制因子,运用SA算法拉伸适应度值,串行混合单纯形直接搜索算法三项主要改进措施,达到改善算法在非线性响应曲面陡峭峰谷间搜索时,不丢失最优解空间和后期有效分辨最优适应度的效果.以测试函数Rastrigin为验证,得到了已知的最优结果.最后,以高非线性水质模型的参数优化估值问题为实例进行验证,结果表明,针对非线性度高的陡峭曲面搜索,具有避免局部早熟收敛的优点.优化搜索过程中,各搜索个体全局均匀分布,对有可能被陡峭峰谷掩盖的最优点位置都能进行搜索,并且,在搜索后期接近最优点附近时,搜索分辨率高,速度比改进前更快.优化后的水质参数代入模型中,模拟所得结果与给定的实测值间误差更小,实现了高维复杂水质模型多参数的同时优化功能.该算法对其他非线性优化问题同样具有较好的适用性.     

一种新的优化算法──进化-模拟退火算法(ESA)

进化界法与模拟退火算法是模仿自然现象的两大随机算法，本文将进化算法中的群体思想和竞争选择机制引入到模拟退火算法之中以指导搜索过程，的退出了进化一模拟退火算法，其仿真结果表明，对于较简单的问题，进化一模拟退火的性能与模拟退火算法一样好，但对于较复杂的问题，进化一模拟退火算法明显优于模拟退火算法。