基于模拟退火法的水力压裂裂缝参数反演

提出一种基于模拟退火的水力压裂裂缝参数反演算法,并以合成的倾斜场数据为例,对水压裂缝的中心位置、倾向、倾角和体积等参数进行了反演试算。试算结果表明,与传统的梯度法或贝叶斯反演方法相比,这种新方法在有效估算水力压裂裂缝关键参数的同时,显著地扩大了目标函数的收敛区域,降低了算法对裂缝参数初始值精度的依赖程度,提升了反演算法的适用范围,并且不需要任何裂缝参数的先验信息。该研究为水力压裂过程中裂缝参数的实时解算提供了算法基础。     

一种基于模拟退火的LUT结构FPGA工艺映射算法

SoPC中提供给FPGA IP核的有限面积使面积优化成为工艺映射的关键目标之一．减少实现电路功能的可编程逻辑单元数可以有效地减小所需芯片面积,还能降低对布线资源的需求．利用模拟退火算法从全局范围对LUT结构FPGA的工艺映射过程进行考虑,针对减少所用LUT数目的目标得出映射结果,实验结果表明用该算法可以快速地得出非常优化的结果．     

基于改进模拟退火算法的工业机器人绝对定位精度提高

工业机器人在抛光大口径光学元件时由于其较低的绝对定位精度,使得加工元件较难达到较高的面形精度．本文提出一种通过考虑测量坐标系与机器人基坐标系之间的转换误差、机器人的运动学误差以及机器人法兰端到工具坐标系的测量误差等多误差源构建工业机器人综合误差模型的校准方法．通过仿真实验与PSO、AFSA、SA算法进行对比,证明改进后的Be-SA算法在辨识误差参数时具有更快的收敛速度和更高的精度．实验结果表明通过Be-SA算法辨识后的KUKAKR120R3900的平均绝对定位误差由2.497 mm降低为0.321 mm,最大绝对定位精度由3.358 mm降低为0.961 mm,构建的综合误差模型在辨识运动学误差参数时具有良好的适用性,改进后的Be-SA算法能有效提高机器人的绝对定位精度,对于磨抛大口径光学元件的性能提升具有重要参考价值．     

基于混合模拟退火算法的内窥镜布局优化设计

工程中存在着大量的布局设计问题,很多都是NPC问题,很难求解。提出了以启发式方法和模拟退火算法相结合的混合算法,可用于带性能约束的布局优化设计问题。在实例中将胶囊式内窥镜空间布局问题转化为轴向截面和横截面两个平面问题分别求解,对于轴向截面的离散变量问题,首先采用启发式方法进行元件层初始序列的排布,再采用模拟退火算法进行布局优化;在横截面上对连续变量则直接进行优化。优化结果经验算合理有效,该算法也可供旋转舱等工程布局优化问题借鉴。     

反馈型随机二元神经网络

提出并分析了一种全新的反馈型随机神经网络模型,该模型不同于常见的Boltzmann机,它不直接使用随机激活函数而是采用了随机型加权连接,神经元为简单的非线性处理单元.揭示了该网络模型存在惟一的收敛性平稳概率分布,当网络中的神经元个数较多时,平稳概率分布逼近于Boltzmann-Gibbs 分布. 另外,还讨论了该网络模型与Markov随机场之间的关系,并提出了一种新型模拟退火和Boltzmann学习算法.网络模型被成功地应用于解决难度较大的组合优化问题和人像的自动识别,实验结果证实了该模型具有强大的计算能力和优异的泛化性能.     

模拟退火法与禁忌搜索法求解VRP的对比分析

模拟退火法（simulated annealing,SA）和禁忌搜索法（tabu search,TS）都是解决组合优化问题的强有力启发式算法。本文首先给出组合优化问题和VRP问题的基本概念,然后在分析这两种算法的特点基础上,通过实例验证它们在解决VRP问题上各自的优缺点,并给出未来研究方向的建议。     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

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.     

一种用于车间调度的基于熵的混合遗传算法

为提高车间调度算法的寻优性能,通过对模拟退火遗传算法收敛图的研究,提出了评价算法种群有序性（差异性）的种群熵,基于种群熵,提出了改进的模拟退火遗传算法,该混合算法通过种群熵动态地改变算法的交叉和变异概率,使之适应种群的变化,提高种群的多样性,有效地克服算法的过早收敛,从而达到提高算法寻优性能的目的。仿真实例表明,所提出的算法的寻优性能有了显著的提高。     

图像恢复的智能处理

为把一个退化的图像尽量恢复到它的原始面目,有关专家已经提出了许多有效的图像恢复方法,该文将遗传算法和模拟退火法相结合的算法应用到图像的恢复中,使用此算法恢复的图像与一般遗传算法恢复的图像进行对比分析,图像的清晰度明显优于后者,表明本算法比单纯使用遗传算法对图像恢复效果好.