模擬退火
- 基于改進(jìn)麻雀搜索算法的優(yōu)化型極限學(xué)習(xí)機(jī)
;分組機(jī)制;模擬退火中圖分類號：TP181 文獻(xiàn)標(biāo)志碼：A0 引言（Introduction）極限學(xué)習(xí)機(jī)[1]（Extreme Learning Machine， ELM）是黃廣斌教授于2004年提出的一種單隱層前饋神經(jīng)網(wǎng)絡(luò)模型，該模型簡單、運(yùn)算速度高，具有較好的回歸預(yù)測能力[2]。然而，ELM存在隨機(jī)的權(quán)閾值，可能導(dǎo)致其出現(xiàn)穩(wěn)定性差和泛化性能不高等問題，而群體智能優(yōu)化算法可以解決以上問題。XUE等[3]于2020年提出麻雀搜索算法（Sparrow Sea
軟件工程 2023年9期2023-09-06
- 基于平均增益模型的模擬退火算法計(jì)算時(shí)間分析
5）0 引言模擬退火算法由Metropolis 等［1］首次提出，并廣泛應(yīng)用于組合優(yōu)化領(lǐng)域，目前在神經(jīng)網(wǎng)絡(luò)超參數(shù)優(yōu)化、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化、組合優(yōu)化、部分機(jī)理模型難以建立的黑箱優(yōu)化問題和多目標(biāo)優(yōu)化問題方面都進(jìn)行了一定研究［2-8］。但關(guān)于模擬退火算法理論分析，尤其是計(jì)算時(shí)間分析的研究不多，因此模擬退火算法計(jì)算時(shí)間分析是如今國內(nèi)外學(xué)者關(guān)注的熱點(diǎn)話題［9］。近年來，關(guān)于模擬退火算法設(shè)計(jì)的研究已經(jīng)有了一些成果，例如，常媛等［9］對模擬退火算法、遺傳算法和啟發(fā)式算法在
軟件導(dǎo)刊 2023年1期2023-02-18
- 基于統(tǒng)計(jì)自然語言分析的九宮格輸入法最優(yōu)鍵盤布局
次數(shù)，并采用模擬退火算法優(yōu)化，在搜尋鍵盤數(shù)據(jù)時(shí)，對其實(shí)行哈希計(jì)算，避免重復(fù)搜索，最終找到九宮格輸入法的最優(yōu)鍵盤布局方案。結(jié)果顯示，本文的最優(yōu)鍵盤布局方案比順序布局的輸入效率明顯提升，可以提高生活的便利程度和工作效率。關(guān)鍵詞： 九宮格輸入法; 最優(yōu)鍵盤布局; 擊鍵次數(shù); 統(tǒng)計(jì)自然語言處理; 模擬退火文章編號： 2095-2163（2021）07-0202-04中圖分類號：TP391.1 文獻(xiàn)標(biāo)志碼： AOptimal keyboard layout of n
智能計(jì)算機(jī)與應(yīng)用 2021年7期2021-12-07
- 基于改進(jìn)模擬退火的布爾函數(shù)生成算法
發(fā)式算法中的模擬退火算法進(jìn)行最優(yōu)解的搜索時(shí)，雖然算法可以通過設(shè)定概率來接受較差解以此跳出局部最優(yōu)，從而能夠設(shè)計(jì)出滿足密碼學(xué)特性的布爾函數(shù)；但是傳統(tǒng)模擬退火算法受初始參數(shù)設(shè)定的影響較大，不易準(zhǔn)確而快速遍歷可行解空間找到最優(yōu)解，降低算法收斂速度，進(jìn)而影響全局最優(yōu)解的選擇。因此，為設(shè)計(jì)出貼合布爾函數(shù)特性的模擬退火算法的初始參數(shù)和降溫策略，最有效的方案是結(jié)合多種啟發(fā)式算法的優(yōu)點(diǎn)，使得模擬退火算法中最優(yōu)解的產(chǎn)生受初始參數(shù)設(shè)定和溫度梯度下降的影響最低，進(jìn)而能更快更精確
網(wǎng)絡(luò)安全技術(shù)與應(yīng)用 2021年7期2021-07-16
- 基于模擬退火算法組合優(yōu)化問題的求解
合優(yōu)化問題;模擬退火;分支界定【中圖分類號】O221.4 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1674-0688（2021）05-0066-030 引言在優(yōu)化領(lǐng)域中，根據(jù)變量性質(zhì)的不同大體可以分為兩類：一類是包含連續(xù)變量的優(yōu)化問題;另一類是包含整數(shù)變量的優(yōu)化問題（也可稱之為組合優(yōu)化問題）。組合優(yōu)化問題的目標(biāo)是從組合問題的可行解集中求出最優(yōu)解，組合優(yōu)化往往涉及排序、分類等問題，它是優(yōu)化領(lǐng)域的一個(gè)重要分支。在求解組合優(yōu)化問題中，人們首先想到的是取整的方法，即互聯(lián)組合
企業(yè)科技與發(fā)展 2021年5期2021-07-01
- 基于圖覆蓋的改進(jìn)復(fù)雜網(wǎng)絡(luò)免疫策略
。該方法引入模擬退火的思想，利用局部信息，以節(jié)點(diǎn)度大為原則選取免疫節(jié)點(diǎn)，同時(shí)以一定的概率接受度小的節(jié)點(diǎn)。使用交互式郵件傳播模型，在真實(shí)的網(wǎng)絡(luò)數(shù)據(jù)集上從免疫效率和免疫代價(jià)的角度進(jìn)行了對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，改進(jìn)的方法在一些社團(tuán)結(jié)構(gòu)明顯的網(wǎng)絡(luò)中具有更好的效果，從而驗(yàn)證該方法的有效性。關(guān)鍵詞： 圖覆蓋; 免疫策略; 模擬退火; 免疫效率; 免疫代價(jià)中圖分類號：TP391? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ?文章編號：1006-8228（2021）05-53
計(jì)算機(jī)時(shí)代 2021年5期2021-06-11
- 含有運(yùn)輸小車的柔性作業(yè)車間調(diào)度研究
尋優(yōu)能力，將模擬退火算法作為局部搜索策略加入全局搜索中，增強(qiáng)了算法的收斂性能。通過在仿真實(shí)驗(yàn)平臺上的實(shí)驗(yàn)數(shù)據(jù)結(jié)果可以看出，本算法有比較好的效果。關(guān)鍵詞：遺傳算法;柔性作業(yè)車間調(diào)度;模擬退火;自動引導(dǎo)小車中圖分類號：TP301? ? ?文獻(xiàn)標(biāo)識碼：AAbstract： In the actual flexible job-shop scheduling， it is more of practical significance to consider tra
軟件工程 2021年3期2021-03-24
- 基于多樣化電影推薦的破繭方法
方面，并結(jié)合模擬退火的思想，提出了一種解決信息繭房問題的方法。關(guān)鍵詞：信息繭房;模擬退火;多樣化推薦傳統(tǒng)的協(xié)同過濾電影推薦模型推薦的方案往往會與用戶之前看過的電影類型相似，造成信息繭房，導(dǎo)致繭房效應(yīng)的根本原因是在計(jì)算相似度時(shí)考慮途徑過于單一，為了使推薦模型具有多樣性和新穎性，解決信息繭房的問題。具體從以下3個(gè)方面進(jìn)行改進(jìn)：（1）綜合考慮各用戶的基本屬性以及用戶過往的電影評分記錄去計(jì)算余弦相似度。（2）將專家評分與熱點(diǎn)推薦考慮進(jìn)去。（3）給用戶找鄰居時(shí)采用模
科學(xué)大眾 2020年7期2020-12-29
- 基于模擬退火思想的改進(jìn)人工蜂群算法
差等缺點(diǎn)。把模擬退火技術(shù)（SA）引入到ABC算法中，提出了一種改進(jìn)的優(yōu)化算法?；旌蟽?yōu)化算法在各溫度下依次進(jìn)行ABC和SA搜索，是一種兩層的串行結(jié)構(gòu)。由于ABC提供了并行搜索結(jié)構(gòu)，所以，混合優(yōu)化算法使SA轉(zhuǎn)化成并行SA算法。SA的概率突跳性保證了種群的多樣性，從而防止ABC算法陷入局部極小?；?span id="j5i0abt0b" class="hl">模擬退火的改進(jìn)人工蜂群算法保持了ABC算法簡單容易實(shí)現(xiàn)的特點(diǎn)，改善了算法的全局優(yōu)化能力，便于收斂的同時(shí)也可以防止算法陷入局部最優(yōu)解。關(guān)鍵詞： 人工蜂群算法;模擬退火;
軟件 2020年7期2020-12-24
- 基于IEEE-RTS系統(tǒng)設(shè)計(jì)問題的模擬方案
：線性規(guī)劃;模擬退火;模擬退火遺傳算法Ⅰ問題重述與分析1.1.1問題一重述及分析：在只考慮機(jī)組投資費(fèi)用情況下，利用技術(shù)經(jīng)濟(jì)學(xué)相關(guān)公式提出IEEE-RTS系統(tǒng)擬在未來十年增裝 10 臺不同類型的機(jī)組的最優(yōu)方案。1.1.2問題二重述及分析：建立數(shù)學(xué)模型，加入發(fā)電容量 N-1 準(zhǔn)則等約束條件，利用約束條件間的線性關(guān)系，建立線性回歸數(shù)學(xué)模型。求解最經(jīng)濟(jì)方案。1.2 模型假設(shè)[1] 假設(shè)所研究目標(biāo)在該時(shí)間內(nèi)不存在不合理的大幅波動;[2] 不考慮有臨時(shí)目標(biāo)加入該系統(tǒng)，
大東方 2020年3期2020-10-21
- 碎紙片的拼接復(fù)原
分區(qū)塊匹配;模擬退火一、背景分析碎紙片的拼接主要依據(jù)各紙片邊緣的灰度值，邊緣灰度值相似程度高的紙片其拼接成功的可能性就較大。分別針對同頁縱切和同頁橫縱切不同情況的碎紙片進(jìn)行分析復(fù)原。要解決同頁單面縱切的碎紙片拼接復(fù)原問題。建立碎紙片拼接復(fù)原模型和算法，對中、英文各一頁文件的碎紙片數(shù)據(jù)進(jìn)行處理，得到灰度值矩陣，利用文件邊緣的特性確定其最左邊的碎紙片，根據(jù)篩選出的最左邊碎紙片將其他碎紙片進(jìn)行聚類處理。最終找到邊界灰度值相似程度較高的碎紙片進(jìn)行匹配處理，完成拼接
青年生活 2020年28期2020-08-14
- 基于遺傳模擬退火法的大地電磁非線性反演研究
本文采用遺傳模擬退火算法，將遺傳算法的全局搜索能力和模擬退火算法的局部搜索能力結(jié)合起來，可有效提高反演的速度和精確度。1 正演理論地球空間的電磁場主要由兩部分組成：相對穩(wěn)定的地球基本磁場和變化的外來感應(yīng)電磁場。大地電磁利用地球電磁場中變化的部分，即外來的感應(yīng)電磁場，并將場源視為自高空垂直入射到地表的均勻平面電磁波。大地電磁一維正演假設(shè)地下為層狀介質(zhì)，每層具有固定的厚度和電阻率值。均勻平面電磁波垂直入射到大地表面，通過計(jì)算求在地表產(chǎn)生的電磁響應(yīng)[1]：其中，
中國金屬通報(bào) 2020年2期2020-06-30
- 混合粒子群算法在動態(tài)車間調(diào)度中的應(yīng)用
基礎(chǔ)上，引入模擬退火機(jī)制及遺傳算法中交叉變異策略形成的混合粒子群優(yōu)化算法，并在更具有實(shí)際生產(chǎn)環(huán)境的動態(tài)車間調(diào)度中模擬應(yīng)用，與遺傳算法、離散粒子群算法進(jìn)行比較，具有較強(qiáng)優(yōu)勢。關(guān)鍵詞：模擬退火;交叉變異;混合優(yōu)化;動態(tài)車間調(diào)度混合粒子群算法（Particle Swarm Optimization，PSO）[1]是基于沒有免費(fèi)的午餐定理（No Free Lunch，NFL）理論提出來的，結(jié)合粒子群算法、遺傳算法交叉變異[2-3]及局部搜索算法中模擬退火機(jī)制而形成
無線互聯(lián)科技 2020年7期2020-05-15
- 基于蟻群-模擬退火算法的基站選址研究
局部最優(yōu)解。模擬退火算法最大的特點(diǎn)就是有一個(gè)蒙地卡洛判斷準(zhǔn)則，允許其接受一個(gè)較差解，不過算法卻恰恰因?yàn)檫@點(diǎn)而會非常的耗時(shí)。通過理論的研究發(fā)現(xiàn)可以將這兩種算法融合在一起，兩種算法可以實(shí)現(xiàn)互補(bǔ)。最終便選擇基站選址這個(gè)實(shí)際應(yīng)用問題去用matlab仿真看是否真的可以減少基站的建設(shè)數(shù)量。關(guān)鍵詞：模擬退火;蟻群;基站選址引言基站的作用就是來覆蓋用戶，目前對于被覆蓋用戶，會根據(jù)不同的用戶特性分為不同的等級，一般分為高級用戶和低級用戶。對于覆蓋要求是：高級用戶全覆蓋，普通
科學(xué)與財(cái)富 2020年3期2020-04-02
- 基于模擬退火對貨倉揀貨的優(yōu)化
最短路徑 模擬退火 TSP MATLAB中圖分類號：F540 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-0745（2020）02-0038-071 問題重述某電商公司客戶訂單下達(dá)倉庫后，商品開始下架出庫，出庫主要包含5個(gè)流程如下所示：定位-->組單-->揀貨-->復(fù)核-->打包現(xiàn)有一個(gè)倉庫，倉庫數(shù)據(jù)見附件1，包括4個(gè)表格，前3個(gè)表格為倉庫信息，包括貨架、貨格、復(fù)核臺的位置及大小，貨格和貨架的關(guān)系。第4個(gè)表格為任務(wù)單信息，一個(gè)任務(wù)單包含多個(gè)訂單，一個(gè)訂單商品包含
科海故事博覽·下旬刊 2020年2期2020-03-15
- 基于VNS-SA算法的廣西ETC發(fā)行數(shù)據(jù)稽核問題研究
了基于變鄰域模擬退火算法的工作計(jì)劃問題模型，并將廣西ETC發(fā)行數(shù)據(jù)作為實(shí)驗(yàn)算例集，引入NS算法及VNS算法進(jìn)行對比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該ETC發(fā)行數(shù)據(jù)稽核工作計(jì)劃模型與求解算法可行且有效。關(guān)鍵詞：ETC;VNS-SA算法;發(fā)行數(shù)據(jù);稽核工作計(jì)劃;變鄰域搜索;模擬退火0 引言2019年5月我國交通運(yùn)輸部發(fā)布《取消高速公路省界收費(fèi)站總體技術(shù)方案》，要求年底前基本實(shí)現(xiàn)取消全國高速公路省界收費(fèi)站。為此，各省被分派的ETC標(biāo)簽發(fā)行任務(wù)量劇增，各主體發(fā)行機(jī)構(gòu)都在大力布
西部交通科技 2020年6期2020-03-01
- 基于模擬退火算法的水資源規(guī)劃問題
機(jī)因子選擇;模擬退火;高斯逼近;遍歷迭代中圖分類號：TB 文獻(xiàn)標(biāo)識碼：Adoi：10.19311/j.cnki.1672-3198.2020.03.0911 問題分析通過計(jì)算，只打井或者鋪設(shè)管道均無法滿足村莊5年內(nèi)的用數(shù)量需求，所以我們對問題進(jìn)行了簡化并且確定了限制條件，采取既進(jìn)行打井又鋪設(shè)管道的方案。根據(jù)題目要求，村莊只有前三年每年能夠得到60萬的補(bǔ)助，而管道從開工的完成總共需要三年的時(shí)間，所以為了盡快獲得管道輸水，管道的建設(shè)要從第一年開始建設(shè)才能夠降低
現(xiàn)代商貿(mào)工業(yè) 2020年3期2020-02-04
- 船舶艙室橫向結(jié)構(gòu)優(yōu)化研究
向強(qiáng)度，采用模擬退火算法，在ISIGHT優(yōu)化平臺上進(jìn)行結(jié)構(gòu)優(yōu)化設(shè)計(jì)，獲得同等結(jié)構(gòu)強(qiáng)度的輕量化結(jié)構(gòu)設(shè)計(jì)方案。關(guān)鍵詞：海底電纜施工船;橫向結(jié)構(gòu)優(yōu)化;模擬退火;輕量化結(jié)構(gòu)設(shè)計(jì)中圖分類號：U663? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? 文章編號：1006—7973（2019）10-0073-021 研究背景人們對能源的需求會隨著人口的增長和經(jīng)濟(jì)的發(fā)展而日益增加，成為人們生活中密不可分的保障之一。石油是全球最主要的能源來源，占全球消耗能源的3
中國水運(yùn) 2019年10期2019-11-14
- 基于MonteCarlo模擬的環(huán)形鏈在均質(zhì)表面的吸附性質(zhì)研究
模擬方法以及模擬退火算法研究了環(huán)形鏈在均質(zhì)表面的吸附性質(zhì)。采用規(guī)則生成法生成環(huán)形鏈，模擬退火算法模擬了48個(gè)從較高到極低的溫度集合，并在每個(gè)溫度下運(yùn)行足夠的蒙特卡洛步以達(dá)到平衡。發(fā)現(xiàn)環(huán)形鏈在均質(zhì)表面吸附的形狀因子在相同的條件下小于線性鏈的形狀因子。采用插值法計(jì)算了環(huán)形鏈在均質(zhì)表面吸附的臨界溫度以及交叉指數(shù)，發(fā)現(xiàn)環(huán)形鏈的臨界吸附溫度略大于線性鏈，交叉指數(shù)略小于線性鏈。這為更深入地研究環(huán)形鏈提供了理論基礎(chǔ)。關(guān)鍵詞： Monte Carlo模擬; 環(huán)形鏈; 模擬
計(jì)算機(jī)時(shí)代 2019年10期2019-11-11
- 基于改進(jìn)PSO算法的微電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化
型.采用基于模擬退火的PSO算法進(jìn)行求解.與傳統(tǒng)PSO算法進(jìn)行比較，結(jié)果顯示，改進(jìn)的PSO算法具有更好的尋優(yōu)能力和更快的收斂速度.通過算例驗(yàn)證了所提出的優(yōu)化模型和改進(jìn)的PSO算法的合理性. 關(guān)鍵詞：微電網(wǎng);運(yùn)行優(yōu)化;模擬退火;改進(jìn)的粒子群算法中圖分類號：TM734? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1673-260X（2019）10-0048-041 引言 近年來，分布式發(fā)電技術(shù)日益成熟，其應(yīng)用逐漸增多.與集中式發(fā)電相比，分布式發(fā)電可以利用各種分散存在的能源，
- 基于多類迭代局部搜索的自動化排課算法
向的雙溫控制模擬退火算法在鄰域中搜索局部最優(yōu)解，并通過特定的擾動策略對當(dāng)前最優(yōu)解進(jìn)行擾動后作為新的初始解進(jìn)行迭代，最終達(dá)到全局最優(yōu)。該算法在兩個(gè)國際著名的數(shù)據(jù)集，即第二屆國際時(shí)間表大賽基于課程的時(shí)間表數(shù)據(jù)集和Lewis 60數(shù)據(jù)集上進(jìn)行了測試。實(shí)驗(yàn)結(jié)果表明，與當(dāng)前文獻(xiàn)中求解該問題的其他性能較優(yōu)算法相比，所提出的算法具有更高的求解效率和質(zhì)量。關(guān)鍵詞：自動化排課;多類;迭代局部搜索;模擬退火;最優(yōu)化中圖分類號：TP301.6（算法理論）文獻(xiàn)標(biāo)志碼：AAbstr
計(jì)算機(jī)應(yīng)用 2019年6期2019-08-27
- 一種融合模擬退火的遺傳算法在柔性作業(yè)車間調(diào)度中的應(yīng)用
法搜索中融入模擬退火算法，同時(shí)按照一定的規(guī)則生成初始種群。采用機(jī)器碼和工序碼相結(jié)合的編碼方式，以全局選擇、局部選擇以及隨機(jī)生成的方式產(chǎn)生初始種群，同時(shí)針對遺傳算法局部搜索能力較差、易出現(xiàn)早熟現(xiàn)象的缺點(diǎn)，考慮模擬退火算法提高全局優(yōu)化概率搜索。仿真結(jié)果表明融合了模擬退火算法遺傳算法性能具有更快的收斂性和尋優(yōu)效果。關(guān)鍵詞：車間離散調(diào)度；遺傳算法；模擬退火中圖分類號：TP301 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2019）01-0133-041 概述F
數(shù)字技術(shù)與應(yīng)用 2019年1期2019-05-13
- 基于改進(jìn)粒子群算法的機(jī)組負(fù)荷優(yōu)化分配研究
題，本文提出模擬退火的粒子群算法進(jìn)行優(yōu)化。該方法采取異步變化的學(xué)習(xí)因子和模擬退火算法對標(biāo)準(zhǔn)粒子群算法進(jìn)行改進(jìn)。通過對比實(shí)驗(yàn)發(fā)現(xiàn)，改進(jìn)的算法能有效進(jìn)行負(fù)荷分配，具有較高的優(yōu)化效率和精度。關(guān)鍵詞：改進(jìn)粒子群算法? 負(fù)荷優(yōu)化分配? 模擬退火? 異步變化學(xué)習(xí)因子中圖分類號：TP39? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-098X（2019）10（a）-0
科技創(chuàng)新導(dǎo)報(bào) 2019年28期2019-04-01
- 關(guān)于高溫防護(hù)服的最優(yōu)厚度設(shè)計(jì)與研究
次，利用基于模擬退火的遺傳算法對模型進(jìn)行優(yōu)化，根據(jù)專用服裝材料第II層厚度的范圍限制，與利用二分法所求出的較優(yōu)厚度進(jìn)行交集求解，從而得到限定條件下第II層材料的最優(yōu)厚度；接著環(huán)境溫度再次發(fā)生改變，本文將第IV層空氣層的厚度在其所限定范圍內(nèi)使之達(dá)到最小值，進(jìn)而根據(jù)兩未知層厚度和求出第II層材料厚度，得到第II層厚度為：4.25mm，第IV層厚度為：6.4mm；最后，利用粒子群優(yōu)化算法，對模型進(jìn)行進(jìn)一步的優(yōu)化改進(jìn)，最終得到第II層材料最優(yōu)厚度。關(guān)鍵詞：高溫防護(hù)
科學(xué)與財(cái)富 2019年3期2019-02-28
- 基于禁忌搜索算法求解隨機(jī)約束滿足問題
禁忌搜索并與模擬退火相結(jié)合的算法。首先，利用禁忌搜索得到一組啟發(fā)式的初始賦值，即由一個(gè)隨機(jī)初始化的可行解通過鄰域構(gòu)造一組候選解，再利用禁忌表使候選解向最小化目標(biāo)函數(shù)值的方向移動;如果得到的最優(yōu)賦值不是問題的解，就把它作為啟發(fā)式的初始賦值，再執(zhí)行模擬退火對這組賦值進(jìn)行修正直到得到全局最優(yōu)解。數(shù)值實(shí)驗(yàn)結(jié)果表明，所提算法在接近問題的理論相變閾值時(shí)仍然能有效地找到問題的解，與其他局部搜索算法相比，表現(xiàn)出了顯著的優(yōu)越性，可用于隨機(jī)CSP的算法設(shè)計(jì)。關(guān)鍵詞：隨機(jī)約束滿
計(jì)算機(jī)應(yīng)用 2019年12期2019-01-06
- 基于模擬退火算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型
化搜索算法，模擬退火算法是尋找最優(yōu)解的算法，本文主要分析了神經(jīng)網(wǎng)絡(luò)，遺傳算法和模擬退火算法的特點(diǎn)和缺陷，研究BP神經(jīng)網(wǎng)絡(luò)和遺傳模擬退火算法相結(jié)合的技術(shù)，從發(fā)揮算法的優(yōu)點(diǎn)基礎(chǔ)上，提出了一個(gè)基于模擬退火遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型，并應(yīng)用于某觀影俱樂部，作為新電影上映預(yù)測和用戶推薦，實(shí)驗(yàn)結(jié)果表明：該算法在收斂性和準(zhǔn)確率上都有較好的效果。關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；模擬退火；遺傳算法；收斂中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A文章編號：2096-1472（2018）-0
軟件工程 2018年7期2018-10-22
- 基于模擬退火蟻群算法的機(jī)器人路徑規(guī)劃
徑，然后采用模擬退火算法進(jìn)行迭代，并加入回火機(jī)制消除局部最優(yōu)，有效提高蟻群算法的全局搜索能力。仿真研究表明，模擬退火蟻群算法在機(jī)器人路徑搜索上可得到較短路徑。關(guān)鍵詞：蟻群算法；模擬退火；路徑規(guī)劃機(jī)器人路徑規(guī)劃問題中，路徑規(guī)劃算法是核心，蟻群算法具有較強(qiáng)的優(yōu)化能力和魯棒性，成為近年來的研究熱點(diǎn)。[1] [2]但當(dāng)尋優(yōu)過程中問題規(guī)模變大時(shí)，存在收斂精度變低和易落入局部最優(yōu)問題。本文采用改進(jìn)的蟻群算法在搜索路徑過程中，使用模擬退火算法迭代，尋找柵格地圖中的可行性
科技風(fēng) 2018年20期2018-10-21
- 模擬退火算法思想在求解四色問題中的應(yīng)用
重要的作用。模擬退火算法是求解復(fù)雜工程問題的重要算法之一。文章基于模擬退火算法的思想，結(jié)合四色問題的特殊性，給出了一種求解四色問題的快速算法。關(guān)鍵詞：模擬退火；四色問題；智能算法中圖分類號：O29 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-2945（2018）24-0164-02Abstract： The four-color problem， also known as the four-color conjecture， is one of the thre
科技創(chuàng)新與應(yīng)用 2018年24期2018-10-20
- 基于改進(jìn)遺傳算法的排課問題研究
礎(chǔ)之上.融合模擬退火思想.使交叉得到的子代以一定概率進(jìn)入下一代.并對傳統(tǒng)的基于概率的計(jì)算方法進(jìn)行改進(jìn).編排出優(yōu)質(zhì)的課表。實(shí)驗(yàn)結(jié)果表明改進(jìn)算法不僅加快了前期進(jìn)化速度.而且解決了遺傳算法后期易陷入局部最優(yōu)解的缺陷。關(guān)鍵詞：遺傳算法;排課;模擬退火。中圖分類號：TP301.6文獻(xiàn)標(biāo)志碼：A0 引言排課問題是一個(gè)多目標(biāo)、多約束的優(yōu)化決策問題，是一個(gè)NP組合優(yōu)化問題r。由于排課的這些特點(diǎn)，排課是教務(wù)管理工作中的一個(gè)難點(diǎn)。目前我國高校所使用的排課系統(tǒng)大部分只面向于課表
計(jì)算技術(shù)與自動化 2018年1期2018-04-12
- 一種改進(jìn)的DFCM聚類算法及對wine數(shù)據(jù)的分類
文提出了基于模擬退火（SA）和遺傳算法（GA）的雙模糊C均值聚類算法。SAGA-DFCM結(jié)合了模擬退火和遺傳算法的優(yōu)勢，設(shè)置新的適應(yīng)度函數(shù)，對初始聚類中心位置進(jìn)行優(yōu)化。在wine數(shù)據(jù)集的分類結(jié)果中看到SAGA-DFCM相對于DFCM算法大大減小了對初始聚類中心位置的敏感程度?！娟P(guān)鍵詞】僅模糊C均值聚類 遺傳算法 模擬退火 初始聚類中心1 引言聚類分析在各個(gè)領(lǐng)域都得到了廣泛地應(yīng)用，其著名的模糊聚類算FCM，它是根據(jù)模糊理論建立的聚類算法，它是尋找一種分類，使
電子技術(shù)與軟件工程 2018年17期2018-02-26
- 基于模擬遺傳退火算法的RCPSP問題研究
穩(wěn)定度的遺傳模擬退火算法。設(shè)計(jì)了一種滿足任務(wù)前后約束的種群初始化方法，將種群進(jìn)行交叉、變異產(chǎn)生新的種群后加入模擬退火算法，計(jì)算是否以新的種群替換當(dāng)前新種群。提出了種群穩(wěn)定度概念。為避免一般遺傳算法的進(jìn)化早熟現(xiàn)象，當(dāng)種群穩(wěn)定度超過給定的穩(wěn)定度時(shí)應(yīng)用模擬退火算法，通過多次試驗(yàn)設(shè)定種群穩(wěn)定度。通過標(biāo)準(zhǔn)測試問題庫中的數(shù)值驗(yàn)證表明，該算法能擴(kuò)大解空間得到更優(yōu)解，使收斂加快。關(guān)鍵詞：遺傳算法;模擬退火;資源約束;種群穩(wěn)定度RCPSP Study Based on Si
軟件導(dǎo)刊 2018年12期2018-02-12
- 改進(jìn)模擬退火算法在TSP中的應(yīng)用
通過分析傳統(tǒng)模擬退火算法的優(yōu)缺性，提出了一種改進(jìn)擾動機(jī)制并結(jié)合分支定界的模擬退火算法。為了彌補(bǔ)模擬退火（SA）算法對初始解的依賴性，該算法首先通過分支定界產(chǎn)生一個(gè)較優(yōu)的初始解，通過對SA溫度參數(shù)和擾動機(jī)制的的有效控制，進(jìn)行全局優(yōu)化。采用TSPLIB中的標(biāo)準(zhǔn)庫文件驗(yàn)證，測試的數(shù)據(jù)顯示改進(jìn)的SA算法和傳統(tǒng)算法相比較，在針對此類問題的求解上有著良好的性能。關(guān)鍵詞：旅行商問題；擾動機(jī)制；分支定界算法；模擬退火算法endprint
軟件 2017年7期2018-01-24
- 基于模擬退火的近淺海系泊系統(tǒng)仿真
收斂性，采用模擬退火確定一個(gè)優(yōu)質(zhì)解作為初值，提出增加一個(gè)隨模擬退火溫度線性減小的控制更新幅度的參數(shù)，在大范圍搜索時(shí)以一定概率接收搜尋到的解；隨后在已找到的優(yōu)質(zhì)解附近小范圍搜索。不同條件下的仿真錨鏈形狀顯示，其變化趨勢符合風(fēng)速和受力等條件的影響趨勢，改進(jìn)的模擬退火方法具有實(shí)用性。關(guān)鍵詞： 系泊系統(tǒng)設(shè)計(jì)； 模擬退火； 擬牛頓迭代算法； Runge?Kutta方法； 錨鏈形狀； 海洋浮標(biāo)中圖分類號： TN967.7?34； TN911.73 文獻(xiàn)標(biāo)識碼： A 文
現(xiàn)代電子技術(shù) 2018年2期2018-01-22
- 基于模擬退火算法的一維下料研究
陽摘 要： 模擬退火算法是求解一維下料問題的有效方法之一。但傳統(tǒng)模擬退火算法具有易于陷入局部最優(yōu)解的缺點(diǎn)，其性能好壞除了與一些參數(shù)設(shè)置有關(guān)外，特別依賴于鄰域結(jié)構(gòu)設(shè)計(jì)和編碼機(jī)制的效率。為設(shè)計(jì)高效的求解一維下料問題的模擬退火算法，提出了新的基于一維下料問題特征的變異算子和解碼策略。通過實(shí)驗(yàn)計(jì)算，與文獻(xiàn)中的3組案例進(jìn)行比較，結(jié)果優(yōu)于部分既有文獻(xiàn)的結(jié)果，驗(yàn)證了所提算法的有效性。關(guān)鍵詞： 一維下料； 模擬退火； 解碼； 改進(jìn)策略中圖分類號：TP301.6 文獻(xiàn)標(biāo)志碼
計(jì)算機(jī)時(shí)代 2017年12期2017-12-25
- 基于改進(jìn)模擬退火算法的橫波速度求取
0）基于改進(jìn)模擬退火算法的橫波速度求取王璞，吳國忱，李偉（中國石油大學(xué)（華東）地球科學(xué)與技術(shù)學(xué)院，山東 青島 266580）模擬退火算法能夠較好地實(shí)現(xiàn)全局最優(yōu)化求解?；诜蔷鶆蜃儺愃枷?，文中給出了一個(gè)新的模擬退火算法擾動模型，該模型具有一定的靈活性，通過選取合適的擾動模型參數(shù)，可以達(dá)到減少迭代次數(shù)、提高收斂速度的目的。在模擬退火算法退溫前，增加最優(yōu)解附近小范圍內(nèi)尋優(yōu)，以減少對擾動模型的依賴，通過改進(jìn)，模擬退火算法得到了優(yōu)化。數(shù)值實(shí)例分析表明，改進(jìn)后的模擬退
斷塊油氣田 2016年3期2016-11-03
- 基于模擬退火算法的旋轉(zhuǎn)梁壓電分流電路優(yōu)化*
16)?基于模擬退火算法的旋轉(zhuǎn)梁壓電分流電路優(yōu)化*周蘭偉1，陳國平1，孫東陽2，何成3(1.南京航空航天大學(xué)大學(xué)機(jī)械結(jié)構(gòu)力學(xué)及控制國家重點(diǎn)實(shí)驗(yàn)室南京，210016) (2.重慶大學(xué)航空航天學(xué)院重慶，400044) (3.南京航空航天大學(xué)無人機(jī)研究院南京，210016)摘要采用壓電分流控制方法對旋轉(zhuǎn)柔性梁進(jìn)行振動抑制，在分析旋轉(zhuǎn)梁壓電分流控制方程的基礎(chǔ)上采用模擬退火算法對電路中的電阻、電感原件進(jìn)行了優(yōu)化。首先，使用Hamilton原理建立了繞x軸旋轉(zhuǎn)柔性梁的
振動、測試與診斷 2016年2期2016-08-03
- 基于SADPSO的MPRM最小化算法
法。該算法將模擬退火 (simulated annealing, SA) 與離散粒子群優(yōu)化 (discrete particle swarm optimization, DPSO) 相結(jié)合，對DPSO所得到的最佳解應(yīng)用SA，幫助算法跳出局部極小。使用所提出算法和已有智能MPRM最小化算法分別對23個(gè)MCNC基準(zhǔn)電路進(jìn)行邏輯最小化，并對算法結(jié)果質(zhì)量進(jìn)行定量評價(jià)。結(jié)果表明，與已有智能MPRM最小化算法相比，所提出算法具有更好的全局收斂能力，能夠提高算法結(jié)果質(zhì)量
- 模擬退火法建立數(shù)字巖心的一種補(bǔ)充優(yōu)化方案
510760模擬退火法建立數(shù)字巖心的一種補(bǔ)充優(yōu)化方案莫修文1, 張強(qiáng)1， 陸敬安21 吉林大學(xué)地球探測科學(xué)與技術(shù)學(xué)院, 長春130026 2 廣州海洋地質(zhì)調(diào)查局, 廣州510760摘要針對傳統(tǒng)的模擬退火建立數(shù)字巖心方法建模效率低、計(jì)算結(jié)果存在較多的孤立點(diǎn)等缺陷，設(shè)計(jì)了后續(xù)的補(bǔ)充搜索方案，定義了孔隙與骨架的邊界點(diǎn)選取準(zhǔn)則，提出了基于擇多算子算法選取的對象點(diǎn)與孔隙骨架邊界點(diǎn)交換作為新系統(tǒng)的生成方案.使用傳統(tǒng)模擬退火算法對隨機(jī)的初始模型優(yōu)化作為第一階段，用新系統(tǒng)
地球物理學(xué)報(bào) 2016年5期2016-06-30
- 基于代價(jià)估計(jì)的Hive多維索引分割策略選擇算法
并使用兩階段模擬退火算法為DGFIndex搜索較優(yōu)的分割策略，從而提升查詢性能，減少查詢集合的總耗時(shí).實(shí)驗(yàn)結(jié)果表明:DGFIndex可以提升Hive多維查詢性能50%～114%，對于固定的查詢集合，與人工選定分割策略比較，基于代價(jià)估計(jì)的分割策略選擇算法可以為DGFIndex快速選定較優(yōu)的分割策略，并可以使整個(gè)查詢集合的處理時(shí)間比人工方法最多減少30%.關(guān)鍵詞Hive；MapReduce；多維索引；代價(jià)模型；模擬退火隨著能源互聯(lián)網(wǎng)、智慧城市等領(lǐng)域技術(shù)的發(fā)展，
計(jì)算機(jī)研究與發(fā)展 2016年4期2016-06-30
- 基于維修時(shí)間窗的柔性作業(yè)車間調(diào)度優(yōu)化研究
與學(xué)”優(yōu)化;模擬退火0引言為消除實(shí)際生產(chǎn)中的設(shè)備失效和生產(chǎn)計(jì)劃外中斷等現(xiàn)象，需要定期或不定期地對設(shè)備進(jìn)行預(yù)防性維護(hù)(preventive maintenance，PM)。按照設(shè)備維護(hù)時(shí)間可將預(yù)防性維護(hù)分為周期性維護(hù)和非周期性維護(hù)兩類。一般來說，設(shè)備維護(hù)不可能在正常作業(yè)時(shí)進(jìn)行，必須是作業(yè)結(jié)束后或開始前進(jìn)行，所以周期性維護(hù)相對來說很難滿足實(shí)際生產(chǎn)需要。目前關(guān)于周期性維護(hù)的研究文獻(xiàn)相對較少。Naderi等[1]分析了柔性流水線車間的周期性預(yù)防性維護(hù)問題，采用基于
中國機(jī)械工程 2016年10期2016-06-04
- 基于差分進(jìn)化的量子密鑰分發(fā)數(shù)據(jù)協(xié)調(diào)優(yōu)化
部最優(yōu)，引入模擬退火算法重新更新門限值. 通過將優(yōu)化后的校驗(yàn)矩陣應(yīng)用于多維密鑰分發(fā)的數(shù)據(jù)協(xié)調(diào)中，能夠有效降低收斂信噪比，并且提高數(shù)據(jù)協(xié)調(diào)效率. 計(jì)算機(jī)仿真結(jié)果表明： 分組碼長為2×105，碼率為0.5時(shí)，在收斂信噪比SNR=1.15 dB下8維數(shù)據(jù)協(xié)調(diào)效率可達(dá)90.55%.關(guān)鍵詞:量子密鑰分發(fā)； 差分進(jìn)化； 度分布； 模擬退火； 協(xié)調(diào)效率隨著信息安全技術(shù)不斷發(fā)展，量子保密通信受到人們的普遍關(guān)注. 量子保密通信技術(shù)利用了傳輸系統(tǒng)中的量子不可克隆的特性，保證了
測試技術(shù)學(xué)報(bào) 2016年2期2016-05-25
- 基于局部狀態(tài)計(jì)算的模擬退火算法求解排課問題
部狀態(tài)計(jì)算的模擬退火算法來減小計(jì)算范圍對模型求解。（近似）最優(yōu)的求解結(jié)果證明了模型的有效性和求解方法的可行性。關(guān)鍵詞：排課系統(tǒng) 模擬退火 局部狀態(tài)計(jì)算中圖分類號：TP311.52 文獻(xiàn)標(biāo)識碼：A 文章編號：1007-9416（2016）08-0149-021 引言排課工作是教學(xué)管理的一項(xiàng)重要內(nèi)容，其實(shí)質(zhì)是為每個(gè)班級安排合理的課程、時(shí)間、教室和教師，制定課程表以保證教學(xué)工作能按時(shí)有序進(jìn)行。課程表編排的合理化和人性化直接影響著后續(xù)教學(xué)工作的效率。S.Even于
數(shù)字技術(shù)與應(yīng)用 2016年8期2016-05-14
- 基于SAPSO優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)的空中目標(biāo)威脅估計(jì)
的不足。采用模擬退火改進(jìn)的粒子群算法代替梯度修正法，對網(wǎng)絡(luò)參數(shù)初始值進(jìn)行尋優(yōu)，并通過該方法搜尋到的最優(yōu)粒子，建立了基于模擬退火粒子群算法優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)模型，以提高預(yù)測模型的穩(wěn)健性和精確度。與灰色神經(jīng)網(wǎng)絡(luò)和沒有改進(jìn)的粒子群灰色神經(jīng)網(wǎng)絡(luò)等方法進(jìn)行比較，仿真實(shí)驗(yàn)結(jié)果表明，模擬退火粒子群優(yōu)化的灰色神經(jīng)網(wǎng)絡(luò)具有很好的預(yù)測能力，可以準(zhǔn)確地完成空中目標(biāo)威脅估計(jì)。關(guān)鍵詞：灰色系統(tǒng)；神經(jīng)網(wǎng)絡(luò)；模擬退火；粒子群算法；目標(biāo)威脅估計(jì)隨著航空科學(xué)技術(shù)的高速發(fā)展，空中來襲目標(biāo)類型
西北工業(yè)大學(xué)學(xué)報(bào) 2016年1期2016-05-07
- 一種結(jié)合模擬退火和貪心策略的社團(tuán)識別算法
)?一種結(jié)合模擬退火和貪心策略的社團(tuán)識別算法王豐雪,陳家琪(上海理工大學(xué) 光電信息與計(jì)算機(jī)工程學(xué)院,上海200093)摘要為了提高復(fù)雜網(wǎng)絡(luò)社團(tuán)識別的精度和速度,文中結(jié)合模擬退火和貪心策略識別社團(tuán)結(jié)構(gòu)的優(yōu)勢,提出一種新的社團(tuán)識別算法。該算法利用貪心策略引導(dǎo)模擬退火搜索最優(yōu)解過程中單個(gè)結(jié)點(diǎn)的無規(guī)則盲目移動,消除了大量無效移動,在搜索到全局最優(yōu)解的情況下,將搜索時(shí)間大幅縮減。實(shí)驗(yàn)表明,SAGA具有強(qiáng)大的搜索能力和較快的模擬退火執(zhí)行速度,可獲得較高的模塊度,達(dá)到較
電子科技 2016年2期2016-02-26
- 城際干線甩掛運(yùn)輸?shù)墓窢恳囌{(diào)度問題及其求解
設(shè)計(jì)了基于模擬退火的求解算法主流程，輔以可選用的、針對主流程運(yùn)算結(jié)果的后處理操作，以進(jìn)一步提升滿意解。該算法被運(yùn)用于山東省城際干線甩掛運(yùn)輸網(wǎng)絡(luò)實(shí)踐算例求解。運(yùn)算結(jié)果表明：本文所構(gòu)建的整數(shù)規(guī)劃模型及其啟發(fā)式求解方法是可行和有效的，干線甩掛運(yùn)輸模式具有良好的節(jié)能減排效果。關(guān)鍵詞：運(yùn)輸經(jīng)濟(jì)；牽引車調(diào)度；模擬退火；甩掛運(yùn)輸；干線0引言甩掛運(yùn)輸被廣泛應(yīng)用于道路運(yùn)輸領(lǐng)域，其本質(zhì)上是一種基于道路貨運(yùn)車輛調(diào)度的貨運(yùn)運(yùn)力資源配置模式[1]。經(jīng)濟(jì)發(fā)達(dá)國家在20世紀(jì)60年代就
公路交通科技 2016年2期2016-02-23
- 隨機(jī)需求下單供應(yīng)商與多零售商的生產(chǎn)—庫存—運(yùn)輸聯(lián)合優(yōu)化模型
粒子群算法和模擬退火算法相結(jié)合的兩階段算法求出最優(yōu)送貨量、最優(yōu)運(yùn)輸路徑和最大期望總利潤.然后采用收入共享契約將增加的利潤合理分配給供應(yīng)商和各零售商，使各方利潤都得到增加，從而促使各方愿意合作.最后，通過數(shù)值算例驗(yàn)證了聯(lián)合優(yōu)化模型優(yōu)于獨(dú)立決策模型.[關(guān)鍵詞]隨機(jī)需求； 生產(chǎn)—庫存—運(yùn)輸聯(lián)合優(yōu)化； 粒子群算法； 模擬退火； 收入共享契約1引言供應(yīng)鏈管理能夠增強(qiáng)供應(yīng)鏈上各個(gè)企業(yè)的競爭力，優(yōu)化資源配置，降低總成本，構(gòu)建快速應(yīng)對市場變化的能力.在21世紀(jì)，市場競爭已
大學(xué)數(shù)學(xué) 2015年5期2016-01-28
- 一種改進(jìn)的無人機(jī)FastSLAM1.0算法
此,提出采用模擬退火算法更新粒子的預(yù)測值,調(diào)整提議分布,使得粒子集中在無人機(jī)真實(shí)位姿的周圍,并利用分層重采樣解決粒子退化問題。在無人機(jī)環(huán)境下對該算法進(jìn)行仿真研究,結(jié)果表明其估計(jì)精度明顯優(yōu)于FastSLAM2.0算法,驗(yàn)證了算法的有效性和可行性。關(guān)鍵詞：快速同時(shí)定位與地圖創(chuàng)建; 無人機(jī); 粒子濾波; 模擬退火; 分層重采樣1引言FastSLAM是由Montemerlo[1-3]最早提出的,采用粒子濾波的方法,把SLAM分解為定位部分和條件地圖部分,很好地克服
系統(tǒng)仿真技術(shù) 2015年3期2016-01-27
- 采用橫向鐵磁交互作用的隨機(jī)場伊辛模型的量子退火算法
的量子退火和模擬退火算法的剩余誤差進(jìn)行比較.結(jié)果表明：所提算法能有效提高傳統(tǒng)量子退火在隨機(jī)場伊辛模型中的收斂速度；利用量子波動的選擇空間可以有效實(shí)現(xiàn)量子退火的最佳性能.關(guān)鍵詞：橫向鐵磁交互作用； 隨機(jī)場伊辛模型； 量子退火； 模擬退火模擬退火算法(SA)[1]是基于Monte carlo迭代求解策略的一種隨機(jī)尋優(yōu)算法，已在生產(chǎn)調(diào)度、圖像處理、控制工程等領(lǐng)域得到廣泛應(yīng)用[2-4].然而，經(jīng)典模擬退火算法要跳出局部最小點(diǎn)A,到達(dá)全局最優(yōu)點(diǎn)B，只能采用翻越勢壘的
- 基于交叉親和度評價(jià)的多種群遺傳算法
的思想，結(jié)合模擬退火算法提高算法的搜索能力，種群之間通過交叉推優(yōu)選出的交流個(gè)體,進(jìn)行親和度評價(jià)替換目標(biāo)種群個(gè)體來完成交流。通過對TSP問題的求解表明，算法得到的解都接近最優(yōu)解，性能優(yōu)于傳統(tǒng)多種群遺傳算法。關(guān)鍵詞:遺傳算法；交叉親和度評價(jià)；模擬退火；多種群0引言遺傳算法(genetic algorithm，GA)是模擬達(dá)爾文的遺傳選擇和自然淘汰的生物進(jìn)化過程的一種隨機(jī)方法，由美國學(xué)者Holland教授[1-2]于1975年首次提出。由于GA在解決連續(xù)變量的函
- 基于活動延期風(fēng)險(xiǎn)加權(quán)時(shí)差的資源受限項(xiàng)目調(diào)度魯棒性度量
于禁忌搜索的模擬退火算法。最后，通過算例驗(yàn)證了該度量方式和算法的合理性和有效性，對比分析結(jié)果表明所提出的指標(biāo)優(yōu)于現(xiàn)有的度量指標(biāo)，較好地滿足了項(xiàng)目調(diào)度質(zhì)量魯棒性的要求。關(guān)鍵詞：項(xiàng)目調(diào)度；魯棒性；延期風(fēng)險(xiǎn)權(quán)重；時(shí)差；模擬退火收稿日期：2014-04-04基金項(xiàng)目：中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(15CX05007B,15CX04102B,15CX08012A,14CX06037B);國家自然科學(xué)基金資助項(xiàng)目(71501188);山東省自然科學(xué)基金資助項(xiàng)目(ZR
運(yùn)籌與管理 2015年5期2016-01-18
- 智能桁架結(jié)構(gòu)最優(yōu)振動控制與作動器優(yōu)化配置
標(biāo)函數(shù)，應(yīng)用模擬退火算法對作動器位置進(jìn)行了優(yōu)化配置。最后給出了空間智能桁架結(jié)構(gòu)振動控制算例驗(yàn)證建模過程和算法。算例結(jié)果表明，通過最優(yōu)振動控制可以使結(jié)構(gòu)振動快速衰減，達(dá)到振動抑制的效果，而且通過模擬退火算法可以確定最佳的作動器布置方式。關(guān)鍵詞：智能桁架；Hamilton原理；振動控制；模擬退火收稿日期：2013-11-08修改稿收到日期：2014-02-12中圖分類號:TP13文獻(xiàn)標(biāo)志碼：AOptimal vibration control and actu
振動與沖擊 2015年5期2016-01-12
- 基于模擬退火算法的設(shè)備配備優(yōu)化
?基于模擬退火算法的設(shè)備配備優(yōu)化陳爍1.2胡文剛21.中國人民解放軍72465部隊(duì)山東濟(jì)南2500222.軍械工程學(xué)院河北石家莊050003[摘要]抽象提出了設(shè)備配備優(yōu)化數(shù)學(xué)模型和模型的約束條件，研究采用模擬退火算法尋求全局最優(yōu)解，并給出了算法步驟、程序模塊結(jié)構(gòu)和模擬退火部分程序。針對設(shè)備配備的復(fù)雜性，提出構(gòu)建設(shè)備與崗位的適應(yīng)度矩陣。為解決多目標(biāo)組合優(yōu)化問題，采用線性加權(quán)方法科學(xué)構(gòu)建了評價(jià)函數(shù)。[關(guān)鍵詞]設(shè)備配備；編配優(yōu)化；模擬退火1、設(shè)備配備問題描述及數(shù)
決策與信息 2015年29期2016-01-04
- 基于改進(jìn)模擬退火算法的橫波速度求取
0）0 引言模擬退火算法作為一種隨機(jī)性全局最優(yōu)求解方法，具有廣泛的適用性，很多學(xué)者對其進(jìn)行過研究［1］。模擬退火算法最早是由N.Metropolis 等［2］于1953年提出的，常規(guī)的模擬退火算法是指Kirkpatrick 等［3］提出的Metropolis 算法。非線性反演算法往往受到計(jì)算效率的制約，為了提高模擬退火的計(jì)算效率，Ingber［4］提出的非常快速模擬退火算法（VFSA）中，擾動模型采用了依賴于溫度的似Cauchy 分布代替了常規(guī)模擬退火算法
斷塊油氣田 2015年3期2015-06-15