双系统动态同步PID参数优化的模拟退火算法

PID控制是目前广泛应用于工业生产各个领域的控制方法.传统的PID参数整定方法,在解决双系统动态同步PID参数优化问题上遇到了很大的困难.将模拟退火算法应用于双系统动态同步PID参数优化的问题上,使用MATLAB工具对两个典型的二阶系统动态同步PID参数优化进行了仿真试验,两个系统的动态同步性能得到了明显的改善.此方法应用于机车定置试验台的同步控制中,取得了比较好的控制效果.仿真试验和实际应用都表明,模拟退火算法对解决双系统动态同步PID参数优化的问题是有效的,具有很强的实用价值.     

模拟退火教学式优化算法

针对教学式优化算法在求解组合优化问题时易陷入局部最优问题进行了研究,提出模拟退火教学式优化算法.利用模拟退火方法,在“教”与“学”两个阶段按照模拟退火计算的概率,随机接受个体中某一位较差解作为新解的一部分.通过增加群体多样性的方法,增强教学式优化算法逃离局部最优解的能力.分别对单模、多模和旋转函数进行仿真,并与其他算法进行了对比实验.结果表明,提出的方法在收敛速度和收敛精度上具有较好的性能.     

多目标优化的一类模拟退火算法

多目标优化是运筹学中的重要研究课题,但迄今仍缺少高效的优化技术。通过对搜索操作和参数的合理设置,提出了一类求解多目标优化问题Pareto最优解的高效模拟退火算法。基于典型算例的数值仿真验证了算法的有效性。     

基于模拟退火的多目标优化算法

该文剖析了多目标优化问题和物体退火之间的关系,发现两者之间有着天然的联系,并在此联系的基础上,构建了一种新型的多目标优化算法———基于模拟退火的多目标优化算法。最后,基于典型算例的数值仿真验证了算法的有效性。     

一种基于改进模拟退火算法的程序性能优化参数搜索算法

高级程序变换是提高程序性能的重要手段,很多涉及到优化参数的选择问题,如为循环分块选择适当的分块因子。由于优化参数搜索问题本身是NP难问题,目前尚没有确定性的算法可以有效解决该问题,针对于此,将该问题转化为一个非线性全局最优化问题,提出一种基于改进模拟退火算法的程序性能优化参数搜索算法,实验结果验证了算法的有效性。     

一种新的混合优化算法及其在车间调度中的应用

提出了一种解决车间调度问题的新方法, 该方法将序优化思想融入巢分区算法框架, 采用"序比较"的方法进行算法的局部寻优. "序"的指数收敛性加快了巢分区算法的局部收敛速度, 从而提高了算法整体的优化效率. 最优计算量分配技术则依据在线数据对计算量进行合理的分配, 进一步提高算法的收敛速度和结果的可靠性. 混合算法继承了巢分区算法的全局搜索特性以及序优化的快速收敛性. 用该算法解决标准 Jobshop 调度问题, 并与序优化方法和模拟退火算法进行比较, 发现本文算法在收敛速度与优化质量方面均优于这些算法.     

基于模拟退火的自适应水波优化算法

水波优化算法(Water Wave Optimization,WWO)是一种基于浅水波理论的新兴智能优化算法。在简化水波优化算法(Simplified Water Wave Optimization,SimWWO)的基础上,提出水波优化算法的一个改进版本。针对WWO算法在寻优过程中未能有效利用水波历史状态和经验的问题,提出一种自适应的参数调整策略:根据水波进化过程中的性能改善指标自适应调整算法的波长系数,提高搜索效率;同时,针对算法后期容易陷入局部最优的情况,加入模拟退火的思想,以一定的概率接受劣质解,避免算法陷入局部最优。通过以上两个操作可以更好地平衡全局搜索和局部搜索。在CEC 2015函数测试集上进行比较,结果证明改进后的算法有效地提高了综合性能。     

基于两阶段随机仿真优化算法的体检顾客预约调度

针对体检机构顾客排队等待时间长的问题,研究随机服务时间下的体检顾客调度,采用多人时间槽预约策略,并在预约调度策略的基础上优化每位顾客的体检项目顺序,提出一种包含粗糙仿真评估和精确仿真评估两阶段随机仿真优化算法.运用序优化思想将基于亲和度评估的多种群遗传算法作为迭代优化策略,并利用改进的最优计算量分配方法排除超级个体的影...     

基于模拟退火算法的固定频率分配问题

频率分配问题（FAPs）是非常困难的组合优化问题之一,在无线电通信中具有非常重要的地位。本文研究了模拟退火算法来解决固定频率分配问题。对于给定固定数量的频率,为所有发射机分配频率,使得适当评估函数最小化。     

基于遗传模拟退火算法的立体仓库储位优化

针对自动化立体仓库储位分配问题,结合仓库运作特点和安全性要求,构建了自动化立体仓库储位优化问题的多目标模型,并提出了求解模型的基于Sigmoid曲线的改进自适应遗传模拟退火算法（SAGA）。首先,以降低货品出入库时间、同组货品距离和货架重心为目标建立储位优化模型;然后,为了克服遗传算法（GA）局部搜索能力差和易陷入局部最优的缺点,引入基于Sigmoid曲线的自适应交叉变异操作和逆转操作,同时完成与SAGA的融合;最后,对改进遗传SAGA进行算法优化性、稳定性和收敛性测试。仿真实验表明,相比模拟退火（SA）算法的求解结果,该算法对货品出入库时间的优化度提高了37.7949个百分点、对同组货品距离提高了58.4630个百分点、对货架重心优化度提高了25.9275个百分点,并且该算法具有更好的稳定性和收敛性。由此验证了改进遗传SAGA求解问题的有效性,该算法可为自动化立体仓库储位优化提供决策方法。     

Solution of trim-loss problem by an integrated simulated annealing and ordinal optimization approach

This work presents a novel optimization method capable of integrating ordinal optimization (OO) and simulated annealing (SA). A general regression neural network (GRNN) is trained using available data to generate a rough model that approximates the response surface in the feasible domain. A set of good enough candidates are generated by conducting a (SA) search on this rough model. Only candidates accepted by the SA search are actually tested by evaluating their true objective functions. The GRNN model is then updated using these new data. The procedure is repeated until a specified number of tests have been performed. The method (SAOO+GRNN) is tested the well-known paper trim loss problem. SAOO+GRNN approach can substantially reduce the number of function calls and the computing time far below those of simple ordinal optimization method with such as horse race selection rule, as well as straightforward simulated annealing.     

函数优化问题的一种异步并行模拟退火算法

针对工程中的多极值点复杂函数的优化问题,提出一种完全异步的粗粒度并行模拟退火算法.在一定时间内将一条Markov链分裂成多条Markov链,并结合其他多种改进方法,获得了可扩展的并行效果,提高了算法应用的灵活性.数值计算表明,该方法可显著提高算法的收敛速度.     

基于模拟退火的自适应粒子群优化算法的改进策略

针对PSO算法在求解问题的优化问题中易陷入局部收敛且收敛速度较慢等缺陷,引入一种初始化改进策略,并将模拟退火算法与PSO算法相结合,提出了一种全新的算法。该算法将寻优过程分为两个阶段:为了提高算法的执行速度,前期使用标准PSO算法进行寻优,后期运用模拟退火思想对PSO中的参数进行优化搜索最优解。最后将该算法应用于八个经典的单峰/多峰函数中。模拟结果表明,该算法有效地避免了早熟收敛现象,并提高了收敛速度,从而提高了PSO算法解决全局优化的性能。     

YYPO-SA：一种新的基于YYPO和SA的混合单目标随机优化算法

针对原阴阳对优化算法(YYPO)早熟易收敛的问题,在YYPO算法中的阴阳两点交换阶段加入模拟退火算法(SA)策略,提出了两种使用不同交换策略的新算法,即YYPO-SA1和YYPO-SA2,统称为YYPO-SA.YYPO-SA算法既保持了YYPO轻量级的特点,又综合了YYPO优秀的全局搜索能力和SA良好的局部搜索性能.算法采用2013年进化计算大会的单目标实参算法竞赛中使用的28个测试函数进行性能评估,将YYPO-SA和YYPO、自适应阴阳对算法(AYYPO)、改进的阴阳对算法(IYYPO),以及另三个性能优越的单目标优化算法,即灰狼优化算法、鲸鱼优化算法,正弦余弦算法进行性能比较.实验结果表明YYPO-SA能取得更为稳定的求优能力和更高的计算精度.最后通过一个工程优化任务来展示新算法的性能.     

求解约束优化的一个自适应杂交差分演化算法

结合基于可行性规则的约束处理技术,构造了一个求解约束优化问题的自适应杂交差分演化模拟退火算法。该算法以差分演化算法为基础,用模拟退火策略来增强种群的多样性,用一个基于可行性规则的约束处理技术来处理不等式约束,且自适应化关键控制参数,避开人为控制参数的困难。在标准测试集上的实验结果表明该算法的有效性,与同类算法的比较表明了该算法的优越性。     

利用遗传模拟退火算法优化神经网络结构

常用的神经网络是通过固定的网络结构得到最优权值,使网络的实用性受到影响。引入了一种基于方向的交叉算子和变异算子,同时把模拟退火算法引入了遗传算法,结合遗传算法和模拟退火算法的优点,提出了一种优化神经网络结构的遗传——模拟退火混合算法,实现了网络结构和权值的同时优化。仿真实验表明,与遗传算法和模拟退火算法相比,该算法优化的神经网络收敛速度较快、预测精度较高,提高了网络的处理能力。     

改进的退火遗传优化策略应用研究

地震参数反演属于典型的非线性优化问题。针对遗传算法和模拟退火算法各自的优缺点,将改进的遗传算法与模拟退火算法相结合,提出了改进的退火遗传算法（ISAGA）。该方法通过筛选和修复进行初始种群的选择,采用允许父代参与竞争的退火选择机制,并根据模拟退火思想对交叉和变异概率进行自适应的调整,从而增加了种群的多样性并提高了收敛速度。该方法既具备了遗传算法强大的全局搜索能力,也拥有模拟退火算法强大的局部搜索能力。经理论模型试算结果表明,该方法不仅收敛速度快,优化精度高,抗干扰能力强,而且避免了局部收敛和依赖初始模型等问题,计算所得反演参数更接近于实际观测值。     

结合SA算法的快速微粒群优化算法

理论上已经证明PSO算法用所有微粒的当前位置与全体最好位置相同时算法停止作为收敛准则是有缺陷的,不能保证全局收敛。而已经证明模拟退火算法依概率1收敛于全局最优解集,因此可将模拟退火算法作为PSO算法的收敛判据。将模拟退伙算法和微利群优化算法结合起来,保证PSO算法的全局收敛性,提高了收敛的速度和效率。实验结果证明了其有效性。     

基于模拟退火算法的可逃逸粒子群算法

通过引入模拟退火算法来保证PSO的全局收敛性,在群体最优信息陷入停滞时引入位置逃逸机制保持前期搜索速度快的特性。仿真结果表明本算法不但具有好的全局收敛性,而且有好的收敛速度。