超结构换热器网络综合优化的遗传/模拟退火算法-Ⅱ.遗传/模拟退火算法及应用

本文提出了用于换热器网络综合的改进的遗传/模拟退火算法.最优综合的模型基于本文第一部分所提出的通用解方法.所采用的遗传算法结合了模拟退火算法和爬山优化算法,同时引进精英策略和结构变异策略以增强算法的搜索能力.采用本文提出的算法对文献提出的算例进行了计算并得到了更好的结果.     

基于遗传模拟退火算法的室内照明节能控制方法研究北大核心CSCD

目前的节能照明控制算法仍有陷入局部最优的问题。为了寻求全局最优解,提高室内照明的节能效果,设计一种遗传模拟退火算法对照明系统的控制参数进行优化求解。该算法通过在遗传操作后对优秀个体进行模拟退火处理,增强了算法的局部搜索能力。根据迭代的次数和种群的适应度对遗传概率进行自适应调节,使得算法在前期丰富种群多样性,避免算法“早熟”。提出基于人工神经网络的照度模型来计算室内照度分布,对照明舒适度进行评估,为构造优化算法的适应函数提供了依据。通过仿真实验,在本文介绍的照明场景应用遗传模拟退火算法,并与传统粒子群算法和遗传算法进行比较,其照明节能性能分别高出5.30%和13.61%。     

大尺度分层介质电特性参数的反演方法研究

针对大尺度分层介质电磁场散射回波数据, 提出了一种用于分层介质特性参数反演的新方法, 实现了分层介质的介电常数、电导率和介质厚度的同时反演. 方法首先将这些参数的反演转化为最优化问题进行求解, 然后应用模拟退火算法搜索最优解, 充分利用算法的全局寻优能力, 同时改善了算法的搜索控制策略, 使算法在最优解的搜索过程中可以自适应地调整搜索步长, 提高了算法的搜索效率. 结果表明, 本文方法可以实现大尺度分层介质特性参数的准确反演, 且具有较强的抗噪声能力. 该方法可以应用于火星/月球 雷达探测回波数据的反演以及地下分层结构特性的分析. 关键词： 电磁散射 分层介质 模拟退火算法 最优化     

基于遗传-模拟退火的蚁群算法求解TSP问题

传统的蚁群算法具有收敛性好、鲁棒性强等优点,但在解决旅行商(TSP)问题方面存在收敛时间长,容易出现停滞等问题。为了提高传统蚁群算法的解的质量,本文提出了基于遗传-模拟退火的蚁群算法（G-SAACO）,将遗传算法和模拟退火算法引入蚁群算法中。其方法是在传统蚁群算法中引入遗传算法的变异与交叉策略来得到候选解,增加解的多样性。同时引进模拟退火算法机制,使得在高温时以较高概率选择候选集中比较差的解加入最新集,温度控制上加入了回火机制,进一步提高解的质量。为了检验改进的蚁群算法,随机选用了TSPLIB中的部分城市进行仿真,结果与传统蚁群算法、模拟退火蚁群算法、遗传蚁群算法相比,算法具有较强的发现较好解的能力,同时增强了平均值的稳定性。     

改进退火遗传算法在SQL数据挖掘参数优化中的应用

针对SQL数据挖掘在复杂动力学系统故障诊断中的模式分类问题,以决策树参数优化为例,开展SQL数据挖掘分类算法参数优化研究。目前数据挖掘中的各类算法参数往往根据经验值设定,预测精度不高;只用遗传算法进行参数优化,分类预测结果容易发生振荡和早熟现象。采用改进的退火遗传算法对SQL数据挖掘中的决策树算法参数进行优化,解决了人工经验设置参数效率低下、精度不高的问题,同时实现了全局搜索,快速收敛到全局最优解。     

提取葡萄糖多晶光学参数的迭代和遗传算法比较分析

基于太赫兹反射时域光谱技术,分别利用迭代算法和遗传算法提取葡萄糖多晶太赫兹频段的两个光学参数,即折射率和吸收系数,并将遗传算法与迭代算法进行对比分析。研究结果表明：当将利用弱吸收近似条件所获得的光学参数作为迭代算法的初始值时,采用迭代算法可以提高计算效率。然而,迭代算法对初始值敏感,当初始值偏离实际值较大时,迭代算法不能保证获得较高精度的光学参数;遗传算法通过参数编码、初始种群、遗传操纵、参数控制和条件约束等设计,保证了算法的收敛性和种群多样性。而且,遗传算法的最优解并不依赖于初始种群。与迭代算法相比,采用遗传算法所获得的物质的光学参数拥有更高的精度。因此,在基于THz光谱技术提取物质的光学参数时,本文建议采用智能优化的算法,这样可以获得高精确度的光学参数。     

基于像素法用模拟退火-遗传算法搜索一维宽带隙光子晶体

将一维光子晶体用像素填充法进行二进制编码,把模拟退火、遗传算法、模拟退火-遗传混合算法与传输矩阵法结合,搜索、计算了一维光子晶体结构和能带,找到了全方位相对禁带宽度高达43.53%的四层结构和43.76%的两层结构,并给出了一维四层结构光子晶体的能带图及其4个原胞的反射率和透射率的频谱图;发现一维两层结构光子晶体的全方位禁带宽度对每层厚度的变化不敏感,但随着两种介质折射率差的增加而增大.     

模拟退火优化SVM参数的变压器故障诊断

利用群智能算法优化支持向量机(SVM)参数往往需要引入额外的变量,使变压器故障诊断问题更加复杂,对此提出一种自适应的模拟退火算法优化(ASA)支持向量机参数。通过设计自适应的冷却进度表,使得寻参的过程仅仅依赖于退火速率以及网格搜索粒度,保持了较少的参数设置。在相关数据集上的实验表明,与已提出的粒子群算法(PSO)、遗传算法(GA)相比,ASA算法具有更快的收敛速度以及较好的诊断精度。利用自适应的模拟退火算法能够较好的优化SVM参数并提高变压器故障诊断的精度。     

基于混合算法的光学合成孔径成像系统孔径优化

结合模拟退火算法和遗传算法的优点,在遗传算法中加入模拟退火算子,运用这种混合算法对子孔径结构进行了优化。以阵列的子调制传递函数覆盖点间距最大化及最小冗余度来设计目标函数,实现了单圆周孔径阵列和双圆周孔径阵列的优化排列。使用仿真程序对优化阵列的光学传递函数进行了分析,将优化结果与相同子孔径数目的单圆周结构进行仿真实验和比较。结果表明,采用这种混合算法是可以很好的解决光学合成孔径结构的优化问题,优化结果接近全局最优解,优化后的双圆周阵列接近Golay阵列,具有更大的实际空间截止频率。     

一种近红外光谱特征子区间选择新算法

为了简化光谱模型和提高模型精度,在传统遗传算法中引入Metropolis接受准则,提出了一种新的模拟退火-遗传区间选择算法(SAA-GA-iPLS),用于快速提取近红外光谱特征子区间,采用偏最小二乘法(PLS)建立近红外光谱模型。以黄瓜叶近红外光谱数据及其类胡萝卜素含量为例,将全光谱分为40个区间,模拟退火-遗传算法能快速优选出7个子区间(分别为第3,5,14,18,21,32,33子区间),在所选7个子区间的基础上建立了黄瓜叶类胡萝卜素PLS光谱模型。与传统遗传算法的比较结果表明:无论是建模效果还是算法执行效率,模拟退火-遗传算法均优于传统遗传算法。     

目标表面可见光谱BRDF的实验测量及优化建模

介绍了一种用双向反射分布函数测定仪进行目标双向反射分布函数测量的方法。运用该测量系统在可见光谱区域对样片进行了实验测量,然后对BRDF实验数据进行谱积分预处理,结合BRDF五参数半经验统计模型,利用遗传模拟退火算法,获取样片的BRDF模型参数,并获得了三维空间的BRDF分布。结果表明,获得的可见光谱BRDF模型能准确反映材料的光散射特性,符合工程要求。     

任意点阵衍射图形的DOE优化设计

本文利用模拟退火算法对任意点阵衍射图形的纯相位衍射元件进行了优化设计,针对收敛性和收敛速率对算法进行了适当修正,取得了令人满意的计算结果。     

宽带喇曼/EDFA混合放大器的优化设计

采用改进的模拟退火算法对Raman/EDFA混合放大器的增益谱进行了优化，根据EDFA及Raman的功率传播方程获得了简洁的目标函数.通过对模拟退火算法几个优化环节的改进，使其能够更快速地应用于Raman/EDFA的多峰值问题的优化设计，可以在短时间内获得最优的放大器参量.计算结果表明选择合适的喇曼抽运波长和抽运功率，仅用4个反向抽运的分布式喇曼放大器加C波段的EDFA就可以获得C+L波段约70 nm的带宽、开关增益达到15 dB、最大增益波动小于1.2 dB的平坦增益谱，而且无需额外的平坦滤波器.     

Optimal Gabor Kernel's Scale and orientation selection for face classification

2D Gabor-based face representation has attracted much attention. However, owing to the fact that Gabor features are redundant and too high-dimensional, appropriate feature dimension reduction appears to be much more paramount. Allowing for each individual Gabor feature constructed by a combination of scale and orientation pair, we equate feature dimension reduction problem to optimal Gabor kernels’ scales and orientation selection problem. Genetic algorithms (GAs) have represented a useful tool for optimal subset selection. However, population premature and optimization stagnancy problems exist in traditional GAs. Here we present an improved algorithm: Hybrid Genetic algorithms-based (HGAsb), which introduces the concept of the simulated annealing into traditional GAs to effectively solve the problems mentioned above and to improve optimization efficiency. Experimental results on IMM face database demonstrate that in contrast to GAs, our proposed algorithm can provide 4.25 improvements. The distributions of orientations and scales of the selected features by HGAsb are also analyzed. Results indicate that the features in the larger scales have equal importance as those in the smaller scales in discriminating nuance of faces. The features in horizontal, vertical and 225° orientations have more discriminative power.     

宽带喇曼放大器的快速优化设计方法

介绍了一种改进的宽带分布式多泵浦喇曼放大器（DMRA）优化设计方法.通过研究多波长后向泵浦的喇曼放大器传输方程，采用合理的近似得出了快速DMRA的一个简化理论分析模型.通过对模拟退火算法几个优化环节的改进，使其能够更快速地应用于DMRA的多峰值问题的优化设计.利用该方法重点对C+L波段约80 nm带宽范围的DMRA进行了优化，在80 km传输光纤上，设计实现了开关增益10 dB，相对平坦度小于0.12，增益起伏小于1 dB的DMRA.与其他的DMRA设计方法相比，该方法使用较少的泵浦数目就能获得同样的增益带宽及平坦的谱特性.     

光谱油样分析监测技术中的神经网络预测方法

光谱油样分析是机械磨损状态监测与故障诊断的重要技术,基于光谱数据的机械状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有明显的优势,文章将神经网络预测方法运用于光谱分析,提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了三层BP网络模型,针对神经网络的结构对于信号预测或模型辨识的精度具有影响很大的问题,文章利用遗传算法,对神经网络输入节点数、隐层节点数和网络收敛的均方误差(MSE)目标值进行了优化,得到了最优的网络预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统ARMA模型的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。     

基于遗传神经网络的VAV空调系统预测模型

针对单纯的机理建模方法难以准确预测变风量空调系统（VAV）的参数,利用BP神经网络构建了变风量空调系统的预测模型,并将遗传算法与BP网络相结合,提出运用遗传算法对神经网络的权值和阈值进行遗传搜索,寻优后再进行BP运算,以克服BP算法收敛速度慢、易陷入局部解的缺点。通过实验平台采集了大量数据对所建模型进行训练和验证,结果表明,模型对空调送风参数以及房间温湿度的预测结果与实测数据能很好拟合,精确度高,泛化能力强。     

Ni_n(n=2～20)团簇的结构

使用经验势和遗传算法 (GeneticAlgorithm) ,得到了Nin(n =2～ 2 0 )团簇的平衡结构和束缚能。对于小的团簇 (Ni2 ～Ni6) ,所得到的结果与基于第一性原理密度泛函的计算相一致。结果表明 ,团簇的结构不同于块体且随尺度发生引人注日的变化。每原子平均束缚能Eb 随尺度单调增长。根据过渡金属团簇表面原子配位数与电离势 (IP)的一个解析表达式计算所得的电离势与实验结果基本一致。由基态能量对分裂途径(FragmentationChannels)的分析表明 ,失去二聚体 (Dimer)在能量上是优先的。同时将计算所得的结构与Nin团簇吸收N2 的实验所推得的结构进行了比较     

自适应光学系统几种随机并行优化控制算法比较

 直接对系统性能指标进行优化是自适应光学系统中一种重要的波前畸变校正方法,选择合适的随机并行优化控制算法是该技术成功实现的关键。以32单元变形镜为校正器,基于多种随机并行优化算法建立自适应光学系统仿真模型。从算法的收敛速度、校正效果、局部极值3个方面对遗传算法、单向扰动随机并行梯度下降、双向扰动随机并行梯度下降及模拟退火算法进行了比较。仿真结果表明,遗传算法收敛速度太慢,不适用于需要实时控制的自适应光学系统;双向扰动随机并行梯度下降算法收敛速度、校正效果要优于单向扰动随机并行梯度下降,且能够适应各种情况下的扰动电压;模拟退火几乎以概率1收敛到全局极值附近,且收敛速度是上述算法中最快的。     

基于遗传算法的安溪铁观音品质快速评价研究

为探究一种快速无损的安溪铁观音品质评价方法,利用遗传算法(GA)对茶样的近红外光谱特征波长进行筛选,结合偏最小二乘(PLS),建立全谱段的PLS定量模型与GA-PLS模型。结果表明,傅里叶变换近红外(FT-NIR)全谱段光谱在经过平滑+二阶导数+归一化处理后,PLS模型预测性能最高,建模结果为：校正集相关系数R_C=0.921,校正集均方根误差RMSEC=0.543,验证集相关系数R_P=0.913,验证集均方根误差RMSEP=0.665。选用近红外光谱6 670～4 000 cm-1谱区,采用遗传算法进行特征波长筛选,参与建模数据点数从1 557缩减到408个。优选波段后,GA-PLS建模结果为：校正集相关系数R_C=0.959,校正集均方根误差RMSEC=0.413,验证集相关系数R_P=0.940,验证集均方根误差RMSEP=0.587。可见,GA-PLS模型的校正集和验证集的预测结果均优于全谱段PLS模型。结果说明,在传统的近红外光谱技术结合化学计量学方法的建模基础上,加入遗传算法进行波长筛选,能有效提高模型预测能力,实现方法学的创新研究,且GA-PLS品质评价模型具有较强的参考和推广价值,为提高我国茶叶品质的检测技术水平提供新的方法借鉴。