基于稀疏阵列技术的MIMO声呐低运算量二维成像

为了降低多输入多输出(multiple-lnput multiple-output,MIMO)声呐二维成像系统的运算量,提出了稀疏阵列和MIMO声呐相结合的低运算量二维成像方法。在MIMO声呐的虚拟接收阵列为矩形平面阵的前提下,使用模拟退火算法(simulated annealing,SA)对该虚拟矩形平面阵的阵元位置和加权系数同时优化,在保持期望波束性能的前提下大量减少其虚拟阵元数目;根据虚拟接收阵元与匹配滤波器一一对应的关系,移除掉与关闭虚拟阵元所对应的匹配滤波器;对保留匹配滤波器的输出信号进行波束形成等处理,获得目标的二维强度图。计算机仿真结果验证了该方法的有效性。     

模拟退火在印刷电路板最佳走刀问题中的应用

电路板（PCB）走刀路线问题可以归结为大型TSP问题.在构造了电路板走刀路线问题的模型后,采用加权的哈密顿图方法,结合模拟退火策略对该问题进行分析求解.重点介绍了模拟退火解决这个问题的具体算法和过程.仿真试验结果表明：采用模拟退火算法求解TSP问题效果更好,与有关算法相比有更好的可操作性.     

一种实用钣金CAD排样算法

将人工智能领域中的遗传算法和模拟退火算法相结合，成功地应用到LFB算法中，利用遗传模拟退火混合算法的全局优化搜索能力，得到了较LFB算法更优的排样结果。同时对混合算法中的几个影响参数进行了简单的讨论，为钣金件排样系统的开发提供一种实用的算法。     

基于模拟退火算法的工件位置标定

从实用的角度分析了焊接工件的定位问题，提出了在机器人焊接条件下，基于模拟退火算法的工件位置标定算法。标定时，不需要增加其它的辅助设备，利用机器人示教功能获得少数参考点(大于或等于3点)的坐标，然后用模拟退火算法求出从工件模型到实际工件的位置变换矩阵。算法是通用的且具有较高的精度，标定算法的计算误差小于0．02mm。示教误差对工件位置标定有一定的影响，但是，示教误差会在一定程度上互相抵消，使得工件位置标定误差较小，通常小于0．5mm，极端情况下，标定误差小于0．9mm，可以满足焊接工艺的要求。如果焊接工件的位置标定是在路径规划之前进行的，规划时用到的位姿数据是对应真实世界中的数据，则路径规划的结果可以直接用于下载到机器人控制柜运行。     

基于模拟退火的遗传优化算法在TSP问题中的应用

TSP问题一直属于NP难题,目前解决TSP问题方法很多,如模拟退火算法、遗传算法以及Hopfield网络神经方法等.以上这些方法在解决TSP问题时各有优缺点,本文结合了模拟退火算法和遗传算法提出了一种新的组合优化算法,即基于模拟退火的遗传优化算法.此算法的核心思想是将遗传优化算法嵌入到模拟退火算法中,利用模拟退火算法的接受准则和随机状态产生函数来产生遗传算法的种群,然后根据遗传优化算法的结果反过来制约模拟退火的随机状态产生,从而最终得到最优解.本文首先对此方法的流程和基本步骤进行了详细的论述,然后采用C语言进行编程,对20个城市的TSP问题进行了优化求解.对结果分析可认为此种方法在解决TSP问题时存在一定的优越性.     

大型复杂铸件毛坯最佳适配算法的研究

针对大型复杂铸件毛坯与设计原形存在误差,提出了梯度-模拟退火算法来对铸件毛坯进行适配.本算法综合了梯度法与模拟退火算法各自优点,可使优化解不陷入局部极值解而获得全局最优解,从而实现毛坯的最佳适配.最后运用实例验证所提出的算法的可行性及有效性.     

求解车间作业调度问题的混合遗传模拟退火算法

为了克服传统遗传算法解决车间作业调度问题的局限性,结合遗传算法(GA)和模拟退火算法(SA)的优点,提出一种混合遗传模拟退火算法(GASA),以便高效地解决车间作业调度问题.该算法既发挥了遗传算法收敛速度快、模拟退火算法搜索面广的优点,又克服了前者收敛容易早熟而后者收敛速度较慢的问题.在算法的操作细节上,加入自适应调整的遗传操作及最优个体保留策略,以及增加记忆功能的模拟退火操作与收敛准则.从而既防止了算法会陷入局部最优解的问题,又提高了算法的收敛速度及搜索效率.将提出的混合遗传模拟退火算法(GASA)应用于Muth和Thompson基准问题的实验运行,证明了该算法的高效性和有效性.     

多目标动态车辆路径问题建模及优化

针对物流配送中动态车辆路径优化问题,综合考虑动态需求、路网影响、车辆共享、时间窗以及客户满意度,建立了多目标动态数学规划模型,该模型能更好地描述现代物流配送问题.同时,提出一种两阶段求解策略,第一阶段采用多目标混合粒子群优化算法获取预优化阶段Pareto最优解,采用改进的粒子状态更新策略并融合模拟退火操作提升粒子群搜索性能,采用自适应网格技术保持解的分布性;第二阶段对客户的需求变化采用贪婪插入和变邻域搜索进行实时路径调整.实验表明,该算法在解空间中有更好的探寻能力,并能快速收敛到全局最优,满足动态路径优化实时性要求.     

求解TSP的改进模拟退火算法

利用模拟退火算法给出了求解旅行商问题的一种新方法.在模拟退火算法的基本原理基础上,针对解变换只交换两个城市而容易落入局部最优解的缺点,提出了在解变换产生新解的过程中,采用逆转操作的改进方法.这使得迭代过程突破局部最优圈,然后跳到另一个搜索空间.这样能够使其更具多样性,改善了模拟退火算法的局部搜索能力.并将其应用于求解旅行商问题,显著改善了它局部寻优的能力.在几个公共测试数据集上的结果表明,算法稳定可行,在求解组合优化问题方面,具有良好的性能.     

基于QS-ML-PMHT的多目标无源协同定位方法

针对目标个数未知时无源协同定位系统低可观测目标的航迹起始及维持问题,提出一种基于拟蒙特卡罗模拟退火极大似然概率多假设的双基站多目标无源协同定位方法。首先,建立双基站无源协同定位系统数学模型。其次,提出基于极大似然概率多假设的多目标无源协同定位航迹起始算法,通过假设法确定目标个数,并首次利用拟蒙特卡罗模拟退火算法解决极大似然概率多假设中多目标的优化求解问题,以提高多目标检测跟踪性能。最后,通过滑窗法实现航迹维持。仿真结果表明,所提方法能够有效解决目标个数未知时双基站无源协同定位系统低可观测目标的航迹起始及维持问题。