模擬退火算法
- 基于改進(jìn)對(duì)抗蒸餾的軸承故障分類(lèi)方法
抗學(xué)習(xí)；模擬退火算法中圖分類(lèi)號(hào)：TP181文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-5553 （2024） 06-0178-06收稿日期：2023年3月2日修回日期：2023年4月23日*基金項(xiàng)目：湖北省重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2021BAA193）第一作者：李星逸，男，1998年生，江蘇徐州人，碩士；研究方向?yàn)楣收显\斷、深度學(xué)習(xí)。E-mail： lixingyigu@163.com通訊作者：范秀香，女，1974年生，江西臨川人，高級(jí)實(shí)驗(yàn)師；研究方向?yàn)樾盘?hào)處理。E-ma
中國(guó)農(nóng)機(jī)化學(xué)報(bào) 2024年6期2024-06-17
- 基于數(shù)據(jù)驅(qū)動(dòng)的FAST主動(dòng)反射面調(diào)節(jié)優(yōu)化模型
點(diǎn)數(shù)據(jù)和模擬退火算法對(duì)其進(jìn)行求解，得到了工作理想拋物面。選用兩組天體角度進(jìn)行實(shí)例分析，結(jié)果顯示調(diào)節(jié)后的接收比增大12.82%，并給出了工作主索節(jié)點(diǎn)的部分徑向調(diào)節(jié)方案。本研究為FAST對(duì)于任意天體角度的變形提供了一種新的建模方法，也對(duì)饋源艙反射接收比提出了一種新的計(jì)算方式。關(guān)鍵詞：FAST主動(dòng)反射面；旋轉(zhuǎn)拋物面；饋源艙接收比；優(yōu)化模型；模擬退火算法中圖分類(lèi)號(hào)：P16;O182文獻(xiàn)標(biāo)志碼：A歷時(shí)22年建成的我國(guó)具有自主知識(shí)產(chǎn)權(quán)的FAST是目前世界上單口徑最大、
- 面向農(nóng)村電商的無(wú)人機(jī)-車(chē)輛聯(lián)合配送系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
文章利用模擬退火算法，優(yōu)先確定貨車(chē)的路徑。然后，考慮貨物質(zhì)量與路況等條件對(duì)無(wú)人機(jī)的路徑進(jìn)行規(guī)劃。通過(guò)與其他配送模式比較，體現(xiàn)出聯(lián)合配送模式下的配送效率明顯提高。關(guān)鍵詞：農(nóng)村最后一公里；路徑規(guī)劃；聯(lián)合配送；模擬退火算法中圖分類(lèi)號(hào)：TP391? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2024）02-0075-07Design and Implementation of UAV-Vehicle Joint Distribution System for
現(xiàn)代信息科技 2024年2期2024-04-14
- 基于BIM技術(shù)與模擬退火算法的村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能設(shè)計(jì)方法
的兩階段模擬退火算法給出村鎮(zhèn)輕鋼框架結(jié)構(gòu)的智能優(yōu)化方法，優(yōu)化速度較快，優(yōu)化效果良好。通過(guò)實(shí)際工程案例對(duì)提出的智能設(shè)計(jì)方法進(jìn)行驗(yàn)證，結(jié)果表明，提出的村鎮(zhèn)輕鋼框架結(jié)構(gòu)智能設(shè)計(jì)方法具有可行性，與傳統(tǒng)的人工設(shè)計(jì)方法相比，設(shè)計(jì)周期可縮短70%以上，材料用量、結(jié)構(gòu)設(shè)計(jì)指標(biāo)接近人工設(shè)計(jì)結(jié)果。關(guān)鍵詞：村鎮(zhèn)住宅；輕鋼框架結(jié)構(gòu)；智能設(shè)計(jì)；BIM技術(shù)；模擬退火算法中圖分類(lèi)號(hào)：TU241.4；TU318? ? ?文獻(xiàn)標(biāo)志碼：A? ? ?文章編號(hào)：2096-6717（2024）01
土木建筑與環(huán)境工程 2024年1期2024-01-03
- 自適應(yīng)優(yōu)化參數(shù)模擬退火的疊前地震聯(lián)合反演方法
化算法，模擬退火算法廣泛用于地震數(shù)據(jù)反演，但該算法涉及的多種優(yōu)化參數(shù)（如初始溫度、擾動(dòng)范圍等）對(duì)反演結(jié)果具有重要影響。模擬退火參數(shù)優(yōu)化主要是通過(guò)模型試算進(jìn)行設(shè)置，但此類(lèi)經(jīng)驗(yàn)性方法易引入誤差，不具備推廣性。為此，提出了一種基于自適應(yīng)優(yōu)化參數(shù)模擬退火的疊前地震聯(lián)合反演方法。首先，聯(lián)合貝葉斯線(xiàn)性反演與模擬退火非線(xiàn)性反演方法，通過(guò)線(xiàn)性反演結(jié)果驅(qū)動(dòng)后續(xù)優(yōu)化參數(shù)的估算及先驗(yàn)?zāi)Ｐ偷臉?gòu)建；其次，針對(duì)不同地震道的數(shù)據(jù)差異，逐道計(jì)算適用的初始溫度及擾動(dòng)范圍，有效提升了算法的適
石油地球物理勘探 2023年3期2024-01-02
- 基于改進(jìn)混合遺傳算法的工業(yè)刀具組合優(yōu)化算法
傳算法；模擬退火算法；工業(yè)刀具；組合優(yōu)化問(wèn)題；工業(yè)軟件中圖分類(lèi)號(hào)：TP301.6；TP18? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2023）31-0128-04開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）0 引言組合優(yōu)化問(wèn)題是一類(lèi)在離散狀態(tài)下求極值的最優(yōu)化問(wèn)題[1]，本文所述刀具組合優(yōu)化問(wèn)題屬于其中一類(lèi)。學(xué)術(shù)界常用啟發(fā)式算法解決組合優(yōu)化問(wèn)題，如禁忌搜索算法、粒子群算法等。在本文討論的問(wèn)題中，某家發(fā)動(dòng)機(jī)制造廠擁有多個(gè)生產(chǎn)車(chē)間，可以同時(shí)進(jìn)行不同工件的生
電腦知識(shí)與技術(shù) 2023年31期2023-12-25
- 基于改進(jìn)遺傳算法的配網(wǎng)自動(dòng)化終端布點(diǎn)優(yōu)化配置方案研究
化，并將模擬退火算法的思想與傳統(tǒng)遺傳算法結(jié)合，最后用改進(jìn)后的遺傳算法與普通遺傳算法對(duì)配網(wǎng)自動(dòng)化終端布局優(yōu)化進(jìn)行了對(duì)比，驗(yàn)證了改進(jìn)后的遺傳算法的性能提升，并用改進(jìn)后的遺傳算法求解復(fù)雜配網(wǎng)自動(dòng)化終端布點(diǎn)優(yōu)化。通過(guò)對(duì)改進(jìn)后的遺傳算法求解得到的最優(yōu)解進(jìn)行解碼，得到的方案結(jié)果表明：優(yōu)化后的配網(wǎng)自動(dòng)化終端布局方案的供電可靠性提升到99.992%，并且方案所需費(fèi)用比不進(jìn)行任何優(yōu)化的配網(wǎng)方案費(fèi)用有所減少。關(guān)鍵詞? 遺傳算法? 模擬退火算法? 供電可靠性? 配網(wǎng)自動(dòng)化終端?
化工自動(dòng)化及儀表 2023年6期2023-12-25
- 兼顧時(shí)頻域特征量提取的非線(xiàn)性油氣懸架參數(shù)識(shí)別
造方法與模擬退火算法的有機(jī)結(jié)合，為非線(xiàn)性懸架系統(tǒng)的參數(shù)識(shí)別提供了一種有效可靠的方法。關(guān)鍵詞：油氣懸架；參數(shù)識(shí)別；路面時(shí)域建模；快速傅里葉逆變換法；小波分析；模擬退火算法中圖分類(lèi)號(hào)：U463.33DOI：10.3969/j.issn.1004132X.2023.11.005Parameter Identification of Nonlinear Hydro-pneumatic Suspensions Basedon Feature Extraction i
中國(guó)機(jī)械工程 2023年11期2023-12-01
- 基于運(yùn)營(yíng)和出行成本的校車(chē)路徑問(wèn)題研究
確定基于模擬退火算法的求解流程和基于遺傳算法求解結(jié)果的橫向比對(duì)．最后，在國(guó)際基準(zhǔn)案例上進(jìn)行了測(cè)試，基于模擬退火算法引入不同搜索算子求解不同場(chǎng)景下構(gòu)建的SBRP數(shù)學(xué)模型，應(yīng)用于山東日照五蓮縣校車(chē)路徑優(yōu)化設(shè)計(jì)，結(jié)果表明不混載SBRP情景下，提出的方法較原校車(chē)運(yùn)營(yíng)方式，校車(chē)投入量、行駛里程、行程成本分別減少28.6％、37.8％、35.6％，考慮到學(xué)生的校車(chē)服務(wù)感知度，學(xué)生出行成本降低4.3％;由于混載情景的復(fù)雜性，難以有效兼顧出行成本，提出的方法較原校車(chē)運(yùn)營(yíng)方
南京信息工程大學(xué)學(xué)報(bào) 2023年3期2023-07-06
- 基于模擬退火與BEHHO算法的火力分配方案優(yōu)化
化算法；模擬退火算法；精英約束0 引言火力分配作為對(duì)現(xiàn)代戰(zhàn)爭(zhēng)決策的重要環(huán)節(jié)，主要目的是將有限數(shù)量的武器，在復(fù)雜的戰(zhàn)場(chǎng)環(huán)境下，通過(guò)合理分配給敵方威脅目標(biāo)，獲得最大程度的打擊效果[1]。國(guó)內(nèi)外已有很多文獻(xiàn)對(duì)火力分配問(wèn)題進(jìn)行研究，研究的主要內(nèi)容是在火力分配模型和求解算法兩個(gè)方面[2-3]。針對(duì)解決火力分配問(wèn)題的方法，可分為傳統(tǒng)的搜索算法和群智能優(yōu)化算法[4]。傳統(tǒng)的搜索算法尋優(yōu)機(jī)制簡(jiǎn)單，一般處理規(guī)模較小的問(wèn)題。伴隨著群體智能優(yōu)化算法的不斷發(fā)展，傳統(tǒng)算法的不足之處
電腦知識(shí)與技術(shù) 2023年7期2023-04-27
- 考慮充電調(diào)度的電動(dòng)無(wú)人車(chē)配送路徑規(guī)劃問(wèn)題研究
進(jìn)遺傳-模擬退火算法（Genetic-simulated annealing algorithm， GA-SA）優(yōu)化較大規(guī)模算例的電動(dòng)無(wú)人車(chē)路徑和充電策略；最后對(duì)相關(guān)因素進(jìn)行靈敏度分析，以驗(yàn)證所提出算法的可行性與合理性。結(jié)果表明：DP算法解小規(guī)模算例表現(xiàn)良好；改進(jìn)GA-SA算法與單純遺傳算法（Genetic algorithm， GA）相比，求解大規(guī)模算例時(shí)優(yōu)化的路徑效果更佳，且大大縮短電動(dòng)無(wú)人車(chē)車(chē)隊(duì)的最長(zhǎng)子路徑的長(zhǎng)度和總行駛距離。該研究可以為物流公司的電
浙江理工大學(xué)學(xué)報(bào) 2023年12期2023-03-15
- 一種自適應(yīng)學(xué)習(xí)率的遙感影像分類(lèi)方法
一種基于模擬退火算法的自適應(yīng)學(xué)習(xí)率方法，并建立層疊去噪自動(dòng)編碼器模型。給模型添加一定學(xué)習(xí)率比例，以實(shí)現(xiàn)學(xué)習(xí)率在迭代中自動(dòng)改變。通過(guò)對(duì)比實(shí)驗(yàn)以及曲面擬合方法，驗(yàn)證了該方法的有效性、實(shí)用性和可靠性。該方法能自動(dòng)調(diào)整學(xué)習(xí)率參數(shù)且能夠避免局部最優(yōu)解，分類(lèi)精度和效率均有所提高。關(guān)鍵詞： 模擬退火算法; 分類(lèi); 自適應(yīng); 學(xué)習(xí)率; 層疊去噪自動(dòng)編碼器中圖分類(lèi)號(hào)：TP751? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1006-8228（2022）06-27-0
計(jì)算機(jī)時(shí)代 2022年6期2022-06-21
- 自由曲面加工誤差預(yù)測(cè)
采用基于模擬退火算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)算法對(duì)自由曲面上若干個(gè)點(diǎn)的加工誤差進(jìn)行預(yù)測(cè)，結(jié)合模擬退火算法的概率突跳特性，在解空間中隨機(jī)尋找目標(biāo)函數(shù)的全局最優(yōu)解，從而改進(jìn)BP神經(jīng)網(wǎng)絡(luò)算法。為進(jìn)一步提高算法的預(yù)測(cè)精度，采用加工誤差分解的方法剔除點(diǎn)集中的奇異點(diǎn)。用三坐標(biāo)測(cè)量機(jī)對(duì)自由曲面上若干個(gè)點(diǎn)進(jìn)行測(cè)量并獲得加工誤差，將預(yù)測(cè)結(jié)果與試驗(yàn)結(jié)果進(jìn)行對(duì)比驗(yàn)證。結(jié)果表明，平均絕對(duì)誤差指標(biāo)達(dá)到了1.70 μm，且最大絕對(duì)誤差為7.12 μm，說(shuō)明該優(yōu)化算法具有較好的預(yù)測(cè)性能。關(guān)鍵
廣西科技大學(xué)學(xué)報(bào) 2022年2期2022-04-12
- 基于改進(jìn)遺傳算法解決多目標(biāo)智能排班問(wèn)題研究
傳算法與模擬退火算法相結(jié)合從而優(yōu)化傳統(tǒng)遺傳算法，不斷的循環(huán)迭代篩選出最優(yōu)解進(jìn)而得到最高效率的排班，將算法與數(shù)學(xué)模型相結(jié)合，并采用減治思想提高算法效率。其中綜合考慮各類(lèi)如公司排班制度，員工情緒、公司利益等相關(guān)因素，使其適應(yīng)度達(dá)到最高。采用真實(shí)的公司員工數(shù)據(jù)進(jìn)行仿真實(shí)例實(shí)驗(yàn)證結(jié)果表明，研究的排班優(yōu)化思想和算法是切實(shí)可行的。關(guān)鍵詞：?jiǎn)T工排班;組合優(yōu)化;遺傳算法;模擬退火算法中圖分類(lèi)號(hào)：TP311 ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2022）
電腦知識(shí)與技術(shù) 2022年2期2022-03-19
- 基于滬深300ETF的期權(quán)定價(jià)實(shí)證研究
數(shù)，采用模擬退火算法進(jìn)行估算，比較B-S模型及heston模型對(duì)于看漲期權(quán)和看跌期權(quán)的定價(jià)效果。從而對(duì)B-S模型的假設(shè)和局限性進(jìn)行分析，最終得到結(jié)論：滬深300ETF對(duì)數(shù)收盤(pán)價(jià)不服從正態(tài)分布，B-S模型中第2個(gè)假設(shè)條件——股票對(duì)數(shù)價(jià)格符合正態(tài)分布不成立。B-S模型能較好地對(duì)滬深300ETF期權(quán)進(jìn)行定價(jià)，heston模型定價(jià)效果優(yōu)于B-S模型，兩個(gè)模型對(duì)看漲期權(quán)的定價(jià)效果均優(yōu)于看跌期權(quán)的定價(jià)效果，B-S模型中第6個(gè)假設(shè)條件——股票收益波動(dòng)率σ為常數(shù)并已知不成
中國(guó)證券期貨 2022年4期2022-03-18
- 乙醇偶合制備 C4 烯烴
關(guān)鍵詞：模擬退火算法 ?多元非線(xiàn)性回歸 ?對(duì)比實(shí)驗(yàn) ?降維處理中圖分類(lèi)號(hào)：G4 文獻(xiàn)標(biāo)識(shí)碼：A一、引言C4 烯烴是一種重要的化工原料，其主要包括丁烯和丁二烯，常被應(yīng)用于醫(yī)藥中間體和化工產(chǎn)品的生產(chǎn)。隨著可持續(xù)發(fā)展戰(zhàn)略的部署，現(xiàn)多采用生物質(zhì)乙醇出發(fā)制備丁醇和 C4 烯烴方法[1]。在制備過(guò)程中，不同的催化劑組合與溫度對(duì) C4 烯烴的選擇性和 C4 烯烴收率等變量將產(chǎn)生影響。因此研究乙醇催化偶合制備 C4 烯烴的工藝條件具有非常重要的意義和價(jià)值。本文收集到某
安家（校外教育） 2022年12期2022-01-13
- 基于混合啟發(fā)式算法的貨物空運(yùn)裝配策略
傳算法和模擬退火算法為主的混合啟發(fā)式算法運(yùn)行求解，快速制定出貨物的裝載布局方案，有效解決了在多約束下的貨物空運(yùn)裝配策略問(wèn)題。[關(guān)鍵詞]三維裝箱問(wèn)題;模擬退火算法;遺傳算法;貨物裝運(yùn);空運(yùn);裝配策略[中圖分類(lèi)號(hào)]F560.8[文獻(xiàn)標(biāo)識(shí)碼]A[文章編號(hào)]1005-152X（2021）12-0070-08Air Cargo Loading Strategy Based on Hybrid Heuristic AlgorithmZHANG Youtian1，JIN
物流技術(shù) 2021年12期2021-09-13
- 基于數(shù)據(jù)背景下采用“模擬退火算法”確定太陽(yáng)影子定位
期的模型模擬退火算法是通過(guò)賦予搜索過(guò)程一種時(shí)變且最終趨于零的概率突跳性，從而可有效避免陷入局部極小并最終趨于全局最優(yōu)的串行結(jié)構(gòu)的優(yōu)化算法。具體解題步驟如下：Step1：建立解空間。依據(jù)附件二與附件三所給直桿影長(zhǎng)值，以及模型準(zhǔn)備階段已經(jīng)確立的附件二直桿所處位置合理的經(jīng)度范圍（19.75°E，94.75°E），附件三直桿所處位置合理的經(jīng)度范圍（102.75°E，177.75°E），建立解空間如下：利用選定的降溫系數(shù)α[進(jìn)行降溫，取新的溫度K為αK（這里K為上一
消費(fèi)電子 2021年5期2021-07-17
- 基于貝葉斯神經(jīng)網(wǎng)絡(luò)的信貸策略規(guī)劃研究
型，運(yùn)用模擬退火算法制定出信貸策略，結(jié)合層次分析法制定出企業(yè)在受到突發(fā)因素影響下的信貸調(diào)整策略。首先通過(guò) Spearman相關(guān)性分析，篩選出衡量信貸風(fēng)險(xiǎn)的五項(xiàng)指標(biāo)，因此選取該算法對(duì)123家企業(yè)建立風(fēng)險(xiǎn)評(píng)估模型。其次擬合得出客戶(hù)流失率關(guān)于企業(yè)信貸利率的二次函數(shù)，計(jì)算銀行信貸收益函數(shù)，建立雙規(guī)劃目標(biāo)模型，運(yùn)用 Matlab模擬退火算法求最優(yōu)解，探究如何針對(duì)不同風(fēng)險(xiǎn)下企業(yè)信貸策略，既保證銀行營(yíng)利最大化，同時(shí)風(fēng)險(xiǎn)又在可控范圍內(nèi)。最后通過(guò)對(duì)302家企業(yè)的指標(biāo)數(shù)據(jù)進(jìn)行
中國(guó)商論 2021年10期2021-06-28
- 面向不同目標(biāo)覆蓋要求的異構(gòu)有向傳感器網(wǎng)絡(luò)節(jié)點(diǎn)調(diào)度算法
索算法和模擬退火算法結(jié)合增強(qiáng)其局部搜索能力。另一種方法采用貪婪算法求解滿(mǎn)足條件的節(jié)點(diǎn)集合。仿真結(jié)果顯示，與原始和聲搜索算法相比，改進(jìn)和聲搜索算法能有效提高網(wǎng)絡(luò)的工作時(shí)間，證明了改進(jìn)算法的有效性。關(guān)鍵詞：有向傳感器網(wǎng)絡(luò);異構(gòu)網(wǎng)絡(luò);和聲搜索算法;模擬退火算法;節(jié)點(diǎn)調(diào)度中圖分類(lèi)號(hào)：TP393? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2021）03-0001-04Abstract： Two node scheduling strategies for h
電腦知識(shí)與技術(shù) 2021年3期2021-03-15
- 基于改進(jìn)Chan算法和多元Taylor算法的室內(nèi)定位方法
n算法;模擬退火算法;Taylor算法;室內(nèi)定位算法中圖分類(lèi)號(hào)：TP399? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)：1009-3044（2021）01-0011-05Abstract： With the advent of 5G， the need for more accurate and scalable positioning systems is becoming more and more urgent. In this paper， we p
電腦知識(shí)與技術(shù) 2021年1期2021-03-15
- 數(shù)據(jù)中心的冷氣出口設(shè)計(jì)
一步利用模擬退火算法對(duì)數(shù)據(jù)中心機(jī)房柜體布局及空調(diào)通風(fēng)口位置的最優(yōu)方案進(jìn)行討論求解。關(guān)鍵詞：氣流組織;模擬退火算法;自然對(duì)流1.引言伴隨著大數(shù)據(jù)，云計(jì)算時(shí)代的到來(lái)，尤其是智慧城市建設(shè)的持續(xù)推進(jìn)，各類(lèi)數(shù)據(jù)的需求量猛增，帶動(dòng)數(shù)據(jù)中心數(shù)目的快速增長(zhǎng)。其大量的能源消耗和隨之而來(lái)的的環(huán)境問(wèn)題，日益引起人們的關(guān)注，因此數(shù)據(jù)中心的節(jié)能方法研究成為當(dāng)前數(shù)據(jù)中心建設(shè)和運(yùn)營(yíng)的重點(diǎn)關(guān)注之一。影響數(shù)據(jù)中心能耗問(wèn)題的因素有很多，而服務(wù)器和空調(diào)能耗在總能耗中占比超過(guò)70%，因此對(duì)送風(fēng)系
科學(xué)與財(cái)富 2020年29期2020-12-21
- 基于退火算法的分布式計(jì)算機(jī)考試系統(tǒng)設(shè)計(jì)
并行組合模擬退火算法的分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)設(shè)計(jì)方法。構(gòu)建分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)的信息傳輸模型，采用信道均衡控制方法進(jìn)行分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)的人機(jī)交互控制，采用并行組合模擬退火算法進(jìn)行分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)的資源信息調(diào)度，采用并行組合模擬退火尋優(yōu)方法進(jìn)行收斂性控制，實(shí)現(xiàn)分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)的資源傳輸控制，建立分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)的信息均衡輸出調(diào)度模型，結(jié)合負(fù)載均衡控制方法，進(jìn)行分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)的可靠性控制。在總線(xiàn)開(kāi)發(fā)協(xié)議下進(jìn)行分布
現(xiàn)代電子技術(shù) 2020年21期2020-12-07
- 基于遺傳-模擬退火算法的配電網(wǎng)優(yōu)化設(shè)計(jì)
于遺傳-模擬退火算法的重構(gòu)方法上引入靜態(tài)電壓穩(wěn)定指標(biāo)，對(duì)某配電網(wǎng)進(jìn)行了重構(gòu)，通過(guò)科學(xué)有效的分析計(jì)算，改變開(kāi)關(guān)狀態(tài)來(lái)優(yōu)化現(xiàn)有配電網(wǎng)架構(gòu)，盡可能降低網(wǎng)絡(luò)損耗，保證配電網(wǎng)的安全可靠運(yùn)行。關(guān)鍵詞：遺傳算法;模擬退火算法;配電網(wǎng)重構(gòu);靜態(tài)電壓穩(wěn)定指標(biāo)0 引言在正常狀態(tài)下，配電網(wǎng)呈輻射狀運(yùn)行，實(shí)際配電網(wǎng)的網(wǎng)架中含有眾多的分段開(kāi)關(guān)和聯(lián)絡(luò)開(kāi)關(guān)以保證配電網(wǎng)能夠正常運(yùn)行。配電網(wǎng)重構(gòu)是通過(guò)切換配電網(wǎng)中的開(kāi)關(guān)狀態(tài)完成的，通過(guò)負(fù)荷轉(zhuǎn)移或在各饋線(xiàn)之間裝設(shè)分段開(kāi)關(guān)、聯(lián)絡(luò)開(kāi)關(guān)，可以使負(fù)荷
機(jī)電信息 2020年8期2020-10-21
- 基于模擬退火算法的模型檢索
型，采用模擬退火算法檢索相似模型。利用源模型面與目標(biāo)模型面之間的邊數(shù)差異，來(lái)構(gòu)造兩個(gè)模型之間的面相似度矩陣。利用模擬退火算法對(duì)面相似度矩陣進(jìn)行搜索，得到兩個(gè)模型之間的最優(yōu)面匹配序列。以最優(yōu)面匹配序列為基礎(chǔ)，來(lái)計(jì)算源模型與目標(biāo)模型之間的相似性。實(shí)驗(yàn)結(jié)果表明：該方法能夠準(zhǔn)確地度量?jī)蓚€(gè)模型之間的差異。關(guān)鍵詞：模擬退火算法;邊數(shù);面相似度;面匹配序列DOI：10.15938/j.jhust.2020.03.023中圖分類(lèi)號(hào)：?TP391.7文獻(xiàn)標(biāo)志碼：?A文章編號(hào)
哈爾濱理工大學(xué)學(xué)報(bào) 2020年3期2020-08-26
- 基于模擬退火算法的Stewart平臺(tái)的運(yùn)動(dòng)學(xué)正解分析
。并利用模擬退火算法與初值無(wú)關(guān)并且具有概率突跳性和Newton-Raphson迭代法精度高的特點(diǎn)，提出了模擬退火算法和Newton-Raphson迭代法相結(jié)合的Stewart平臺(tái)位置正解方法。通過(guò)MATLAB編制了運(yùn)動(dòng)學(xué)正解和運(yùn)動(dòng)學(xué)反解的程序。利用SolidWorks進(jìn)行建模，并且在Adams上進(jìn)行運(yùn)動(dòng)仿真驗(yàn)真了算法的準(zhǔn)確性， 為下一步的研究提供理論依據(jù)。關(guān)鍵詞： Stewart平臺(tái);模擬退火算法;Newton-Raphson;SolidWorks;Ada
軟件 2020年6期2020-08-13
- 混部負(fù)載場(chǎng)景下離線(xiàn)負(fù)載資源調(diào)度策略研究
源分配;模擬退火算法DOI： 10. 11907/rjdk.191243開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類(lèi)號(hào)：TP306文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-7800（2020）001-0064-040 引言大數(shù)據(jù)中心資源利用率低下的問(wèn)題一直備受關(guān)注[1-3]。為了進(jìn)一步提升其資源利用率，業(yè)界提出了}昆部負(fù)載技術(shù)[4-5]，它是指將延遲敏感型的在線(xiàn)負(fù)載與關(guān)注作業(yè)吞吐率[6]的離線(xiàn)負(fù)載混合部署于同一數(shù)據(jù)中心?；觳控?fù)載的目標(biāo)是提升原有單負(fù)載數(shù)據(jù)中心的
軟件導(dǎo)刊 2020年1期2020-07-14
- 計(jì)算機(jī)應(yīng)用考試系統(tǒng)的模擬退火算法研究
并行組合模擬退火算法的分布式計(jì)算機(jī)應(yīng)用考試系統(tǒng)，以便提高分發(fā)效率和訪(fǎng)問(wèn)容量。該系統(tǒng)采用B/S結(jié)構(gòu)，解決了傳統(tǒng)C/S結(jié)構(gòu)適用性較差的問(wèn)題。設(shè)計(jì)中將考試的分發(fā)服務(wù)進(jìn)行拆分，并使用模擬退火算法對(duì)分配方案進(jìn)行優(yōu)化，優(yōu)化過(guò)程考慮到了服務(wù)器數(shù)量、考生數(shù)量和位置信息等約束條件。此外，結(jié)合遺傳算法和模擬退火算法進(jìn)行組合改進(jìn)，提高了并行性和收斂速度。算法仿真測(cè)試結(jié)果表明，提出的改進(jìn)算法具有更好的快速收斂性能。實(shí)際應(yīng)用結(jié)果驗(yàn)證了提出的設(shè)計(jì)在大規(guī)?？荚噾?yīng)用中的可行性和運(yùn)行效率。
現(xiàn)代電子技術(shù) 2020年7期2020-06-15
- 工業(yè)機(jī)器人時(shí)間最優(yōu)軌跡規(guī)劃仿真研究
用改進(jìn)的模擬退火算法作為優(yōu)化方法，對(duì)工業(yè)機(jī)器人關(guān)節(jié)軌跡進(jìn)行時(shí)間最優(yōu)規(guī)劃。仿真結(jié)果表明，與其它同約束條件下的軌跡規(guī)劃算法相比，采用新型算法后，機(jī)器人焊接時(shí)間縮短了1.24s，從而驗(yàn)證了該算法的有效性。關(guān)鍵詞：模擬退火算法;軌跡規(guī)劃;工業(yè)機(jī)器人DOI：10. 11907/rjdk. 191564中圖分類(lèi)號(hào)：TP301 ? 文獻(xiàn)標(biāo)識(shí)碼：A??????????????? 文章編號(hào)：1672-7800（2020）003-0053-04Simulation and R
軟件導(dǎo)刊 2020年3期2020-05-28
- 基于傳熱學(xué)的爐溫曲線(xiàn)研究
卡洛法和模擬退火算法全局尋優(yōu)，得到了各溫區(qū)對(duì)應(yīng)下的最優(yōu)溫度和傳送帶過(guò)爐速度。關(guān)鍵詞：回焊爐;爐溫曲線(xiàn);傳熱學(xué);差分方程;搜索算法;模擬退火算法中圖分類(lèi)號(hào)：TP273;TN405? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2020）20-0018-05Furnace Temperature Curve Research Based on Heat TransferFANG Haohang（School of Mechanical Enginee
現(xiàn)代信息科技 2020年20期2020-05-18
- 考慮實(shí)時(shí)擁堵指數(shù)和時(shí)間窗的多目標(biāo)冷鏈物流配送路徑優(yōu)化
徑優(yōu)化;模擬退火算法Key words： cold chain logistics;real-time congestion index;path optimization;simulated annealing algorithm中圖分類(lèi)號(hào)：F259.2;X322? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2020）09-0131-0
價(jià)值工程 2020年9期2020-04-20
- 小型數(shù)據(jù)中心的冷氣出口設(shè)計(jì)
我們用了模擬退火算法，即通過(guò)隨機(jī)搜索一個(gè)初值和移動(dòng)位置去尋求最優(yōu)解。關(guān)鍵詞：冷熱通道? 熱傳導(dǎo)? 非線(xiàn)性規(guī)劃? 模擬退火算法中圖分類(lèi)號(hào)：TU831? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2020）10（b）-0046-03Abstract： The cooling system is the basis for the normal operation of
科技創(chuàng)新導(dǎo)報(bào) 2020年29期2020-02-22
- 求解0-1背包問(wèn)題的混合粒子群改進(jìn)算法研究
化策略和模擬退火算法有機(jī)結(jié)合，提出了一種改進(jìn)算法：帶貪心優(yōu)化的混合粒子群和模擬退火算法.基于新算法，完成了9組不同維度數(shù)據(jù)的仿真實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明，BPSOSA-CGOO算法能夠以較小的種群規(guī)模及迭代次數(shù)實(shí)現(xiàn)0-1背包問(wèn)題的有效求解，并在問(wèn)題維度為20維的測(cè)試數(shù)據(jù)中找到優(yōu)于已知最優(yōu)解的解;獨(dú)立重復(fù)實(shí)驗(yàn)驗(yàn)證了，無(wú)論對(duì)于低維度還是高維度背包問(wèn)題，BPSOSA-CGOO算法均能以較高概率命中最優(yōu)解，提高了高維度背包問(wèn)題求解的穩(wěn)定性和可靠性.關(guān)鍵詞：背包問(wèn)題;粒子
- 基于GA與SA的社區(qū)檢測(cè)優(yōu)化算法研究
力，又有模擬退火算法的局部搜索能力。該算法用于社區(qū)檢測(cè)優(yōu)勢(shì)明顯，檢測(cè)到的社區(qū)更接近真實(shí)社區(qū)。關(guān)鍵詞：模塊度;遺傳變異算法;模擬退火算法;社區(qū)檢測(cè)DOI：10. 11907/rjdk. 191002 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：中圖分類(lèi)號(hào)：TP312文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）009-0077-04A Community Detection Optimization Algorithm Based on GA and
軟件導(dǎo)刊 2019年9期2019-10-18
- 基于模擬退火算法的文化創(chuàng)意產(chǎn)品設(shè)計(jì)優(yōu)化
一種基于模擬退火算法的文化創(chuàng)意產(chǎn)品設(shè)計(jì)優(yōu)化方法。首先以造型元素為基礎(chǔ)對(duì)模型幾何拓?fù)鋵傩赃M(jìn)行分析，生成三角網(wǎng)格樣本點(diǎn)。然后通過(guò)面相似性計(jì)算分析構(gòu)建相應(yīng)鄰接矩陣，并使用模擬退火算法對(duì)目標(biāo)最大團(tuán)進(jìn)行挖掘，從而模擬人類(lèi)創(chuàng)新思維的設(shè)計(jì)過(guò)程。以卡通表情造型為創(chuàng)新設(shè)計(jì)實(shí)例進(jìn)行算法仿真，并以遺傳算法作為對(duì)比驗(yàn)證提出方法的有效性和實(shí)用性。關(guān)鍵詞： 產(chǎn)品設(shè)計(jì); 模擬退火算法; 三角網(wǎng)格; 面相似性計(jì)算; 設(shè)計(jì)過(guò)程模擬; 算法驗(yàn)證中圖分類(lèi)號(hào)： TN911.1?34; TB472
現(xiàn)代電子技術(shù) 2019年19期2019-10-14
- 生鮮食品冷鏈物流配送路徑優(yōu)化
給出采用模擬退火算法的優(yōu)化方法。模型考慮了車(chē)輛行駛速度和載重量對(duì)運(yùn)輸能耗的影響，區(qū)分了車(chē)輛在途和裝卸階段的制冷能耗，用指數(shù)函數(shù)而不是常數(shù)來(lái)刻畫(huà)食品的變質(zhì)速率，運(yùn)用模擬退火算法對(duì)算例進(jìn)行求解。結(jié)果表明，更全面地考慮上述因素得到的配送路徑與現(xiàn)有文獻(xiàn)中給出的路徑明顯不同，前者的總成本可以減少約11%。關(guān)鍵詞：路徑優(yōu)化;冷鏈;生鮮食品;模擬退火算法中圖分類(lèi)號(hào)： F252? 文獻(xiàn)標(biāo)志碼： A? 文章編號(hào)：1002-1302（2019）03-0315-04食品冷鏈?zhǔn)侵?/div>
江蘇農(nóng)業(yè)科學(xué) 2019年3期2019-08-10
- 求解TSP問(wèn)題的改進(jìn)模擬退火算法
要： 模擬退火算法是一種結(jié)構(gòu)簡(jiǎn)單，魯棒性強(qiáng)的群智能方法，在旅行商問(wèn)題（Traveling Salesman Problem TSP）中得到了較好的應(yīng)用。但是該算法在獲取高性能解的過(guò)程中需要放慢降溫過(guò)程，因此收斂速度較慢。為了解決該問(wèn)題，本文對(duì)求解TSP問(wèn)題的模擬退火算法進(jìn)行了降溫方式的改進(jìn)，針對(duì)溫度設(shè)置能量值，并根據(jù)能量值的高低狀態(tài)判斷是否進(jìn)行跳躍式降溫，從而在保證精度的同時(shí)，加快了算法的收斂速度。用TSPLIB標(biāo)準(zhǔn)庫(kù)數(shù)據(jù)測(cè)試的結(jié)果表明，與改進(jìn)前的模擬退計(jì)算機(jī)時(shí)代 2019年7期2019-08-06
- 考慮區(qū)域協(xié)調(diào)性的城際列車(chē)開(kāi)行方案優(yōu)化
計(jì)改進(jìn)的模擬退火算法求解模型;最后，以廣深城際鐵路為例并進(jìn)行兩組對(duì)比分析。實(shí)驗(yàn)結(jié)果表明：考慮區(qū)域協(xié)調(diào)性的列車(chē)開(kāi)行方案可以使旅客出行總廣義費(fèi)用降低約4.06%，鐵路部門(mén)的效益提高約9.58%，旅客和鐵路的系統(tǒng)總成本降低約23.27%;與遺傳算法相比，改進(jìn)的模擬退火算法在求解質(zhì)量與收斂速度上均有較大提高。所提模型和算法可充分兼顧旅客和鐵路雙方利益，能夠?yàn)槌请H列車(chē)開(kāi)行方案優(yōu)化問(wèn)題提供有效解決方法。關(guān)鍵詞：城際列車(chē);開(kāi)行方案;多目標(biāo)優(yōu)化;非線(xiàn)性模型;模擬退火算法中計(jì)算機(jī)應(yīng)用 2019年2期2019-08-01
- 基于GASA混合算法的支持向量回歸機(jī)在需水預(yù)測(cè)中的應(yīng)用
傳算法;模擬退火算法;日用水量;因子分析中圖分類(lèi)號(hào)：TV214 ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）13-0195-04Abstract： As the basis of optimal dispatching， prediction of the water resource demand can provide decision for water supply system. Taking campus water us電腦知識(shí)與技術(shù) 2019年13期2019-07-08
- 基于改進(jìn)粒子群算法的植物冠層圖像分割
用一種與模擬退火算法相結(jié)合的混合粒子群算法來(lái)優(yōu)化多閾值圖像分割的閾值選取過(guò)程，將Otsu類(lèi)間方差函數(shù)作為算法的適應(yīng)度函數(shù)，并利用模擬退火算法“突跳”的特點(diǎn)有效避免陷入局部最優(yōu)。實(shí)驗(yàn)結(jié)果表明：該算法可以有效地處理復(fù)雜植物冠層圖像分割的問(wèn)題，能夠在保證運(yùn)行效率的同時(shí)提高圖像的分割精度。為提高植物生長(zhǎng)狀態(tài)評(píng)估的可靠性以及葉片信息的準(zhǔn)確性提供理論基礎(chǔ)，具有較強(qiáng)的工程實(shí)用性。關(guān)鍵詞：植物冠層圖像;粒子群優(yōu)化算法;模擬退火算法;多閾值圖像分割;大津法中圖分類(lèi)號(hào)：S43森林工程 2019年1期2019-06-11
- 基于SA—GA模型的露天礦卡車(chē)調(diào)度系統(tǒng)優(yōu)化研究
題，利用模擬退火算法和遺傳算法相結(jié)合，彌補(bǔ)了傳統(tǒng)遺傳算法容易陷入局部極值的缺陷。仿真結(jié)果表明，改進(jìn)的遺傳算法在找到同樣最短距離的情況下，節(jié)省了7代的迭代次數(shù)，節(jié)省了路徑優(yōu)化時(shí)間，為該領(lǐng)域提供了一條新思路。關(guān)鍵詞：卡車(chē)調(diào)度；遺傳算法；模擬退火算法；路徑優(yōu)化DOI：10.16640/j.cnki.37-1222/t.2019.07.0561 序言露天“卡調(diào)”系統(tǒng)于20世紀(jì)中葉就被提出，隨著計(jì)算機(jī)技術(shù)的日益發(fā)展，國(guó)內(nèi)外各個(gè)高校及科研院所的學(xué)者將最先進(jìn)的技術(shù)及理論山東工業(yè)技術(shù) 2019年7期2019-05-29
- 一種改進(jìn)粒子群通訊算法在目標(biāo)搜索中的應(yīng)用
群算法和模擬退火算法相結(jié)合的目標(biāo)搜索新方法，以提高算法的全局搜索能力。為解決通訊距離有限、機(jī)器人無(wú)法與基站進(jìn)行信息交互和不能實(shí)時(shí)追蹤動(dòng)態(tài)目標(biāo)等問(wèn)題，引入通訊功能。算法中機(jī)器人與基站有兩種通訊方式，一種是基站跟隨最優(yōu)機(jī)器人移動(dòng)的通訊方式，另一種是在前者基礎(chǔ)上將機(jī)器人按一定比例分為通訊機(jī)器人和搜索機(jī)器人的通訊方式，由通訊機(jī)器人負(fù)責(zé)搜索機(jī)器人與基站之間的通訊。兩種通訊方式下機(jī)器人都采用動(dòng)態(tài)多目標(biāo)搜索策略搜索動(dòng)態(tài)多目標(biāo)。在考慮通訊距離的情況下，經(jīng)過(guò)仿真測(cè)試，與傳統(tǒng)軟件導(dǎo)刊 2019年5期2019-05-24
- 模擬退火算法在物流線(xiàn)路選擇方面的研究
文章采用模擬退火算法對(duì)多節(jié)點(diǎn)物流配送路線(xiàn)最短選擇問(wèn)題進(jìn)行了研究，建立了適用于物流配送路線(xiàn)最短問(wèn)題的模擬退火算法方法。對(duì)于物流配送最短路線(xiàn)的優(yōu)化計(jì)算提供了算法參考。對(duì)于其他行業(yè)關(guān)于多節(jié)點(diǎn)遍歷路線(xiàn)最短問(wèn)題同樣具有參考意義。關(guān)鍵詞：模擬退火算法；物流配送；線(xiàn)路選擇中圖分類(lèi)號(hào)：TP301.6 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2019）04-0270-02隨著電子商務(wù)的不斷發(fā)展，互聯(lián)網(wǎng)訂單數(shù)量的不斷增加，線(xiàn)下物流配送的壓力越來(lái)越大。在此背景下，現(xiàn)有諸多電腦知識(shí)與技術(shù) 2019年4期2019-05-24
- 基于一種混合遺傳算法的移動(dòng)機(jī)器人路徑規(guī)劃
傳算法和模擬退火算法相結(jié)合的技術(shù)對(duì)移動(dòng)機(jī)器人進(jìn)行最優(yōu)路徑的規(guī)劃方法。算法采用柵格法對(duì)環(huán)境建立模型，同時(shí)在遺傳算子中添加插入算子和刪除算子以?xún)?yōu)化路徑。Matlab仿真實(shí)驗(yàn)結(jié)果表明，該算法相對(duì)于基本遺傳算法的收斂速度，搜索質(zhì)量等有了明顯的提高。關(guān)鍵詞： 移動(dòng)機(jī)器人; 遺傳算法; 模擬退火算法; 柵格法; 路徑規(guī)劃; Matlab中圖分類(lèi)號(hào)： TN830.1?34; TP242 ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ?現(xiàn)代電子技術(shù) 2019年2期2019-04-04
- 基于TSP模擬退火的智能RGV動(dòng)態(tài)調(diào)度問(wèn)題
，并利用模擬退火算法進(jìn)行求解，給出了一道工序情況下的RGV動(dòng)態(tài)調(diào)度策略。[關(guān)鍵詞]TSP;最優(yōu)序列;模擬退火算法一、問(wèn)題重述一個(gè)智能加工系統(tǒng)包括8臺(tái)計(jì)算機(jī)數(shù)控機(jī)床（CNC）CNC#1-CNC#8、1輛軌道式自動(dòng)引導(dǎo)車(chē)（RGV）、1條RGV直線(xiàn)軌道、1條上料傳送帶、1條下料傳送帶。RGV是一種既可無(wú)人駕駛又可以在固定軌道上自由運(yùn)行的智能車(chē)，它能夠根據(jù)指令控制自身移動(dòng)距離和方向，且其自帶一個(gè)機(jī)械手臂、兩只機(jī)械手爪和物料清洗槽，從而能完成上下料及清洗物料等任務(wù)。活力 2019年2期2019-03-25
- 基于混合模擬退火算法的多約束裝箱問(wèn)題研究
式算法;模擬退火算法1 新型的混合模擬退火法在多種約束條件下，為了解決最優(yōu)化裝箱問(wèn)題，本文運(yùn)用了改進(jìn)后的模擬退火法[1]與啟發(fā)式算法[2]相結(jié)合的方式產(chǎn)生了一種新型的混合模擬退火法。該方法利用啟發(fā)式算法對(duì)最優(yōu)解進(jìn)行搜索，同時(shí)在搜索最優(yōu)解的過(guò)程中引入記憶功能，保證了利用本方案搜索解的不重復(fù)性和全面性，確保搜索到的解為最合適的解。2 現(xiàn)實(shí)約束實(shí)際情況的不一樣，導(dǎo)致受到的約束也不一樣，本文考慮了如下幾種約束條件[3]：（1）方向約束。規(guī)則的箱體有6個(gè)面，所以裝箱無(wú)線(xiàn)互聯(lián)科技 2019年23期2019-02-12
- 基于模擬退火算法的RGV智能車(chē)動(dòng)態(tài)調(diào)度
型，利用模擬退火算法，采用MATLAB軟件編程求解，得出了在最大成本與加入新的約束條件下的最大成本新解之間的差值為-650，正好滿(mǎn)足新退火解的要求。關(guān)鍵詞：模擬退火算法;動(dòng)態(tài)調(diào)度;RGV智能車(chē)0 引言1.問(wèn)題背景RGV是一種無(wú)人駕駛、能在固定軌道上自由運(yùn)行的智能車(chē)。目前已經(jīng)廣泛運(yùn)用到柔性生產(chǎn)制造流程中，其調(diào)度規(guī)劃問(wèn)題成為生產(chǎn)決策的重點(diǎn)。研究的智能加工系統(tǒng)由8臺(tái)計(jì)算機(jī)數(shù)控機(jī)床（CNC）、1輛軌道式自動(dòng)引導(dǎo)車(chē)（RGV）、1條RGV直線(xiàn)軌道、1條上料傳送帶、1條神州·上旬刊 2019年1期2019-02-06
- 基于模擬退火算法的PCB孔群加工路徑優(yōu)化
該文采用模擬退火算法對(duì)孔群的加工路徑進(jìn)行了優(yōu)化。文中通過(guò)PCB孔群實(shí)例詳細(xì)描述了模擬退火算法的實(shí)現(xiàn)過(guò)程，結(jié)果表明，利用模擬退火算法可有效提升PCB孔群加工效率以及質(zhì)量，降低孔群加工中的空行程比例。關(guān)鍵詞：模擬退火算法；路徑優(yōu)化；PCB孔群中圖分類(lèi)號(hào)：TP32 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）27-0247-02Optimization of PCB Path Processing Based on Simulated Anneali電腦知識(shí)與技術(shù) 2018年27期2018-12-18
- 人工智能算法在圖像處理中的應(yīng)用
變而來(lái)的模擬退火算法、由螞蟻覓食現(xiàn)象演變出來(lái)的蟻群算法和鳥(niǎo)群捕食行為演變出的粒子群算法。本文首先介紹常用的人工智能算法基本原理和特點(diǎn)，并對(duì)這幾種人工智能算法在圖像處理方面的應(yīng)用進(jìn)行一定的概述， 最后對(duì)人工智能算法的應(yīng)用前景進(jìn)行一定的展望。關(guān)鍵詞：人工智能算法；圖像處理；遺傳算法；模擬退火算法；蟻群算法；粒子群算法中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）19-0208-02人工智能算法主要是人們對(duì)自身總結(jié)出的一些自然界電腦知識(shí)與技術(shù) 2018年19期2018-11-01
- 基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法的蓄電池SOC估算
力，引入模擬退火算法減少了需要重復(fù)訓(xùn)練的次數(shù)。Matlab仿真結(jié)果表明，通過(guò)改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法對(duì)蓄電池的電池剩余容量（SOC）估算平均誤差達(dá)到2%，改進(jìn)了估算精度的同時(shí)也提高了泛化能力并且減少了重復(fù)訓(xùn)練的次數(shù)。關(guān)鍵詞： SOC估算； RBF神經(jīng)網(wǎng)絡(luò)； 正則化； 模糊控制； 模擬退火算法； Matlab中圖分類(lèi)號(hào)： TN245?34； TM912 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）20?0146?04Abstract： T現(xiàn)代電子技術(shù) 2018年20期2018-10-24
- 基于混合遺傳算法的無(wú)人機(jī)航線(xiàn)規(guī)劃
題，結(jié)合模擬退火算法設(shè)計(jì)出航線(xiàn)規(guī)劃混合遺傳算法，改善了算法的性能，最后通過(guò)仿真分析驗(yàn)證了其有效性。關(guān)鍵詞：航線(xiàn)規(guī)劃；混合遺傳算法；無(wú)人機(jī)；模擬退火算法中圖分類(lèi)號(hào)：V279 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2018）02-0043-05UAV Route Planning Based on Hybrid Genetic AlgorithmWANG Yongcheng ZHU Yukun（Zhengzhou University of Aeron河南科技 2018年2期2018-09-10
- 基于多目標(biāo)規(guī)劃的眾包任務(wù)最優(yōu)打包數(shù)量的研究
基于遺傳模擬退火算法的模糊C-均值聚類(lèi)模型和多目標(biāo)規(guī)劃模型，解決了在任務(wù)打包發(fā)布的情況下任務(wù)定價(jià)問(wèn)題，并分析打包數(shù)量不同對(duì)任務(wù)完成率的影響。關(guān)鍵詞：任務(wù)打包；模擬退火算法；多目標(biāo)規(guī)劃；模糊C-均值聚類(lèi)模型隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展，眾包平臺(tái)日益流行，從根本上改變了傳統(tǒng)的市場(chǎng)調(diào)查方法的運(yùn)用，和傳統(tǒng)的市場(chǎng)調(diào)查相比，眾包平臺(tái)不僅大大節(jié)省調(diào)查成本，而且有效的保證了調(diào)查數(shù)據(jù)的真實(shí)性。但利潤(rùn)是眾包平臺(tái)長(zhǎng)期發(fā)展的基礎(chǔ)，因此任務(wù)定價(jià)是其核心要素。對(duì)于任務(wù)定價(jià)這個(gè)問(wèn)題，胡靜思建立中國(guó)集體經(jīng)濟(jì) 2018年19期2018-08-22
- 用于變壓器DGA故障診斷的改進(jìn)PSO優(yōu)化SVM算法研究
，并通過(guò)模擬退火算法（SA）改進(jìn)PSO以提高PSO算法的全局搜索能力。對(duì)電力變壓器故障診斷的實(shí)例分析結(jié)果表明，該方法不僅能夠有效地進(jìn)行變壓器故障診斷，而且準(zhǔn)確率高于傳統(tǒng)的變壓器故障診斷方法，更適合在變壓器故障診斷中應(yīng)用。關(guān)鍵詞： 變壓器； 故障診斷； DGA； 模擬退火算法； 粒子群優(yōu)化算法； SVM中圖分類(lèi)號(hào)： TN99?34； TP183 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）15?0124?05Study on SVM algo現(xiàn)代電子技術(shù) 2018年15期2018-08-06
- 改進(jìn)的混合粒子群算法求解作業(yè)車(chē)間調(diào)度問(wèn)題
滯時(shí)加入模擬退火算法，利用模擬退火算法可以及時(shí)跳出局部最優(yōu)的能力，保證得到全局最優(yōu)解。最后通過(guò)使用作業(yè)車(chē)間調(diào)度問(wèn)題的經(jīng)典算例進(jìn)行實(shí)驗(yàn)仿真測(cè)試，實(shí)驗(yàn)結(jié)果證明了新算法可以有效地解決作業(yè)車(chē)間調(diào)度問(wèn)題。關(guān)鍵詞：粒子群算法；隨機(jī)慣性權(quán)重；模擬退火算法；作業(yè)車(chē)間調(diào)度中圖分類(lèi)號(hào)：TP301 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）12-0200-031引言作業(yè)車(chē)間調(diào)度問(wèn)題（Job-shop Scheduling Problem，JSP）是實(shí)際生產(chǎn)車(chē)間調(diào)度電腦知識(shí)與技術(shù) 2018年12期2018-07-12
- 一種基于直線(xiàn)檢測(cè)的圖像畸變校正方法
法之一的模擬退火算法，對(duì)Brown模型的幾個(gè)參數(shù)變量進(jìn)行求解最優(yōu)解，選擇Canny算子進(jìn)行邊緣檢測(cè)，之后經(jīng)過(guò)噪聲抑制處理后進(jìn)行霍夫變換得到直線(xiàn)檢測(cè)的結(jié)果，然后從檢測(cè)的直線(xiàn)中找出擬合最長(zhǎng)的直線(xiàn)，以直線(xiàn)的長(zhǎng)度作為模擬退火算法的能量函數(shù)，經(jīng)過(guò)多次迭代后趨于穩(wěn)定，輸出最優(yōu)解。本方法的精度控制在2 pixels范圍內(nèi)，通過(guò)對(duì)實(shí)際畸變圖像的校正，驗(yàn)證了該直線(xiàn)檢測(cè)幾何校正方法的準(zhǔn)確性。關(guān)鍵詞：畸變校正；直線(xiàn)檢測(cè)；模擬退火算法；Brown模型圖像的畸變是由于光學(xué)鏡頭在設(shè)計(jì)無(wú)線(xiàn)互聯(lián)科技 2018年3期2018-06-19
- 基于模擬退火和粒子群改進(jìn)的圖像分割FCM方法
分割； 模擬退火算法； 粒子群算法； 模糊C均值； 聚類(lèi)中心； 全局最優(yōu)中圖分類(lèi)號(hào)： TN911.73?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）07?0036?05Improved FCM method for image segmentation based on simulatedannealing and particle swarm optimizationLU Zhenyu1， 2， XIA Zhiwei1， LU Ya現(xiàn)代電子技術(shù) 2018年7期2018-04-04
- 改進(jìn)模擬退火算法的K—means聚類(lèi)方法在學(xué)生成績(jī)上的應(yīng)用
關(guān)鍵詞】模擬退火算法 數(shù)據(jù)挖掘 K-means聚類(lèi) 學(xué)生成績(jī)【中圖分類(lèi)號(hào)】G 【文獻(xiàn)標(biāo)識(shí)碼】A【文章編號(hào)】0450-9889（2017）08C-0149-04聚類(lèi)（Clustering）是一種重要的數(shù)據(jù)分析手段，常用于數(shù)據(jù)挖掘領(lǐng)域，其主要用于實(shí)現(xiàn)對(duì)數(shù)據(jù)的深層次分析。它已經(jīng)廣泛應(yīng)用于圖像處理、模式識(shí)別、生物信息學(xué)等各個(gè)領(lǐng)域。K-means算法是數(shù)據(jù)挖掘中聚類(lèi)問(wèn)題的重要算法之一，也是現(xiàn)在公認(rèn)的最有前景的數(shù)據(jù)分析算法。然而，由于隨機(jī)初始聚類(lèi)中心的選取，因此聚類(lèi)算廣西教育·C版 2017年8期2017-10-12
- 道路循環(huán)甩掛運(yùn)輸車(chē)輛調(diào)度研究
型，使用模擬退火算法對(duì)模型進(jìn)行求解，并且對(duì)某物流企業(yè)實(shí)際運(yùn)行進(jìn)行分析，運(yùn)用循環(huán)甩掛運(yùn)輸設(shè)計(jì)調(diào)度方案，與傳統(tǒng)模式進(jìn)行比較，得出甩掛運(yùn)輸比傳統(tǒng)運(yùn)輸具有效率高、成本低等明顯優(yōu)勢(shì)。[關(guān)鍵詞]循環(huán)甩掛；車(chē)輛調(diào)度；模擬退火算法doi：10.3969/j.issn.1673 - 0194.2017.16.056[中圖分類(lèi)號(hào)]F259.22；U492.3 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1673-0194（2017）16-00-02多點(diǎn)循環(huán)甩掛運(yùn)輸是指在車(chē)輛沿環(huán)形式路線(xiàn)行駛中國(guó)管理信息化 2017年16期2017-09-07
- 改進(jìn)遺傳模擬退火算法求解TSP
傳算法和模擬退火算法均是解決TSP的有效方法，分析2種算法各自的優(yōu)缺點(diǎn)，在已有遺傳模擬退火算法的基礎(chǔ)上進(jìn)行改進(jìn)并用于求解TSP。引用部分最近插入法、部分隨機(jī)產(chǎn)生初始種群，減小了群體多樣性與收斂速度的矛盾。在遺傳算法中，使用精英保留策略對(duì)選擇操作進(jìn)行改進(jìn)，保證種群的質(zhì)量；引入進(jìn)化逆轉(zhuǎn)算子，使子代繼承親代的較多信息，增強(qiáng)搜索能力。經(jīng)過(guò)國(guó)際公認(rèn)的TSPLIB實(shí)驗(yàn)數(shù)據(jù)仿真驗(yàn)證，改進(jìn)后的遺傳模擬退火算法搜索最優(yōu)能力提高。關(guān)鍵詞：遺傳算法；模擬退火算法；旅行商問(wèn)題（T智能計(jì)算機(jī)與應(yīng)用 2017年3期2017-07-15
- 級(jí)聯(lián)型H橋逆變器的階梯波特定消諧技術(shù)研究
牛頓法和模擬退火算法求解該非線(xiàn)性方程組，在對(duì)兩種算法進(jìn)行比較的同時(shí)，分析了H橋逆變器級(jí)聯(lián)數(shù)目和調(diào)制比對(duì)輸出波形改善和方程求解的影響，并利用Multisim仿真對(duì)結(jié)果進(jìn)行了檢驗(yàn)，最后提出了級(jí)聯(lián)型多電平逆變器的最優(yōu)控制策略。關(guān)鍵詞：牛頓法 模擬退火算法 Multisim仿真 回歸分析中圖分類(lèi)號(hào)：TM464 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2017）03（b）-0245-08級(jí)聯(lián)型多電平變換器由若干個(gè)變換器模塊單元串聯(lián)而成以實(shí)現(xiàn)高電壓、多電平的輸出科技資訊 2017年8期2017-05-18
- 求解TSP問(wèn)題的改進(jìn)模擬退火算法