基于马尔可夫随机场的遥感图像分割和描述

讨论了基于马尔可夫随机场的遥感图像分割．根据卫星遥感图像的特点,建立了相应的基于马尔可夫随机场的图像分割模型．由此将图像分割问题转化成图像标记问题, 并进一步转化成求图像的最大后验概率估计的问题． 本文引进了一种基于博弈理论的决定性退火算法, 可以用该算法对图像进行标记, 该算法收敛于局部最大, 在实验中取得了很好的效果．     

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。     

Respective roles of short-and long-range interactions in protein folding

A new method was presented to discuss the respective roles of short- and long-range interactions in protein folding. It‘s based on an off-lattice model, which is also being called as toy model. Simulated annealing algorithm was used to search its native conformation. When it is applied to analysis proteins lagt and laho, we find that helical segment catmot fold into native conformation without the influence of long-range interactions. That‘s to say that long-range interactions are the main determinants in protein folding.     

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.     

图像增强技术中的智能算法

提出了一种基于粒子群与模拟退火算法相结合的进化算法.该算法利用模拟退火算法全局收敛性好和粒子群算法收敛速度快等优点，通过交换这两种算法的信息得到最优解.将这种新算法应用于灰度图像的自适应增强，实例计算表明该算法稳定性好，在收敛速度和求解精度方面都优于遗传算法等一些其它进化算法.     

基于模拟退火算法的空气污染危害指数及其应用

在设定各项污染物危害浓度参照值基础上,得出了一个基于模拟退火算法（SA）优化的适用于多种空气污染物的空气质量评价的污染危害普适指数公式.该公式应用于大量实例的分析评价结果与其他多种评价方法评价结果比较表明：该公式不受污染物种类和数目多少的限制,计算简便,具有可比性、通用性和实用性,评价结果与实际符合较好.     

组播最优QoS划分问题及其混合遗传算法

最优QoS划分研究基于性能的价格体系下的资源分配问题，组播最优QoS划分（MOPQ）是将组播树上端到端QoS要求划分到本地链路，使得总代价最小。研究了求解MOPQ问题的遗传算法，设计了由树代价与叶结点缮罚因子构成的适应度函数，提出了双子群混合遣传算法。该算法充分利用了遗传算法的全局搜索优势，模拟退火算法的局部搜索优势以及双子群的协作优势。仿真结果表明该算法的有效性。     

自动化系统数据挖掘问题的模拟退火解法

数据挖掘是近年来发展起来的新技术,指挥自动化的辅助决策过程也越来越依靠数据挖掘求解。通过数据挖掘,可以有效地处理海量数据,为正确决策提供支持。模拟退火是一种性能优越的计算智能算法,广泛应用于求解非线性最优化问题。数据挖掘中的数据聚类与模拟退火在本质特性上存在相似,可以将模拟退火应用于数据挖掘。通过蒙特卡罗方法生成随机数据,进行基于模拟退火的聚类分析。算例表明,新方法能够很好地进行数据聚类,具有较好的适用性。     

用进化-模拟退火算法求解Lambert方程

Lambert方程在轨道拦截和初始轨道确定起着重要作用。求解Lambert方程的传统算法主要有Newton迭代方法和超几何级数展开方法等,但这些算法都有一定的局限性(如有可能出现迭代收敛过慢,级数展开收敛性问题)。采用进化-模拟退火算法(EA-SA)算法求解Lambert方程,其中进化算法具有全局搜索能力,而模拟退火具有局部锁搜索能力。该方法克服了某些情况下梯度下降法有时收敛过慢和超几何级数不收敛的缺点,并具有通用性,便于操作和理解。通过仿真计算对比表明,EA-SA具有普适性,而且精度优于其它两种算法。     

集成粒子群优化算法在电网规划中的应用

电网规划是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题。在优化过程中,考虑了投资费用、可靠性和对环境的影响等三个因素。提出将模拟退火优化方法嵌入粒子群优化算法中,以此构建集成粒子群优化算法。在搜索过程中还加入变异操作来增加种群多样性,以避免早熟收敛。局部搜索增加了算法的开发能力,而变异操作提高了算法的探测能力。探测与开发能力的平衡,通过两个阈值来实现。通过对一220kv电力传输系统的实例研究表明,集成粒子群优化算法局部搜索能力有显著提高。