导读:本文包含了混合模拟退火算法论文开题报告文献综述及选题提纲参考文献，主要关键词:阵列侧向测井,模拟退火算法,实时反演,马奎特算法
混合模拟退火算法论文文献综述
冯进,倪小威,杨清,管耀,刘迪仁[1]（2019）在《基于混合模拟退火算法的阵列侧向测井实时反演研究》一文中研究指出测井资料现场实时反演是判断测井质量及进行精细评价的基础。为在保证反演速度的同时,进一步提高反演精度,结合模拟退火算法和马奎特算法,提出了混合模拟退火算法,用以对阵列侧向测井资料进行3参数(地层电阻率、冲洗带半径和冲洗带电阻率)混合反演。研究发现,初始值的选择对混合反演速度具有明显的影响,引入基于电阻率幅度差信息的冲洗带半径初始值选取策略,能够避免反演结果陷入局部最小值,加快反演速度。实例计算结果表明,混合反演算法的反演速度满足实时反演要求,且反演精度相较传统马奎特算法有明显提高;反演结果与试油结果一致,验证了混合反演算法的适用性。混合模拟退火算法为现场阵列侧向测井资料的反演处理提供了新的技术。(本文来源于《石油钻探技术》期刊2019年05期）
王涛,吴林彦,张如伟,王琪,裴翦[2]（2019）在《遗传算法与模拟退火算法在FMS中的混合应用》一文中研究指出讨论了柔性制造系统(FMS)中的机械加载问题,问题的主要目标是使制造系统不平衡最小化,在诸如可用的加工时间和刀具槽等工艺约束条件下使系统吞吐量最大化。将遗传算法(GA)与模拟退火(SA)算法相结合,提出了一种高效的进化算法——GASA。使用5个样本数据集对GASA的性能进行了测试,并与其他文献提及的启发式算法进行了比较,研究了它们对解决方案质量的影响。为了评价所提出的进化启发式算法的性能,通过进行大量的计算实验,以表格和图表形式给出了结果。实验结果表示GASA在柔性制造系统的应用中性能更好。(本文来源于《制造业自动化》期刊2019年08期）
蔡金祥,蔡金涛,袁建华,张震,陈庆[3]（2019）在《基于混合遗传算法与模拟退火算法的金属氧化物避雷器在线监测研究》一文中研究指出针对金属氧化物避雷器(MOA)的老化需对其实施在线监测的问题,提出了一种基于混合遗传算法与模拟退火算法的MOA老化监测算法。通过对此问题建立MOA模型,根据混合算法良好地模拟逼近效果,计算出k和C的值,以实施MOA老化在线监测。由于电力系统运行电压中存在许多谐波,这些谐波会在一定程度上影响算法求解的稳定性及准确性,因此采用Matlab仿真,仿真结果得出的泄漏电流拟合逼近实际需要测量的泄漏电流,判断该混合算法的拟合特性。对求解出的参数误差进行分析,得知所提算法具有很好的抗干扰性,可以有效地对MOA进行老化监测。(本文来源于《电力学报》期刊2019年03期）
未建英,张丽娜,付发[4]（2019）在《混合模拟退火和教与学的鸽群优化算法》一文中研究指出为了改善鸽群优化算法(PIO)容易陷入局部最优和解精度较低的特点,提出一种混合模拟退火和教与学的鸽群优化算法。首先,将鸽群优化算法和模拟退火相结合,可以利用模拟退火跳出局部最优,得到较为精确的解。然后,在鸽群优化算法的速度更新公式中加入惯性权重,并采用线性递减的策略,与教与学算法相结合,增加种群的多样性。最后,通过用4个测试函数进行仿真实验和与相关算法进行对比,结果表明改进后的算法TLSAPIO在全局搜索和解精度上都有所提高。(本文来源于《科技经济导刊》期刊2019年12期）
管超,张则强,朱立夏,毛丽丽[5]（2019）在《双层过道布置问题的混合整数非线性规划模型及两阶段改进模拟退火算法》一文中研究指出结合实际布局活动中,设施在多层空间布置的实际情况,提出了双层过道布置问题,并构建了该问题的混合整数非线性规划(MINLP)模型。针对问题特征,提出了一种改进模拟退火算法,通过采用两阶段改进策略,对退火过程及抽样过程进行改进。该算法以自适应搜索策略替代马氏链搜索长度,并引入记忆功能、回火操作以提高求解质量,通过设置双阈值来提高求解效率。应用所提算法对24个基准算例进行测试,并将其与原模拟退火算法和GUROBI精确方法作对比,验证了所提算法的有效性。(本文来源于《中国机械工程》期刊2019年08期）
张钧,贺可太[6]（2019）在《求解叁维装箱问题的混合遗传模拟退火算法》一文中研究指出集装箱装载是货物运输过程中重要的一步,其属于NP-hard问题。为了提高效率,降低成本,提出了以集装箱体积利用率最大化为目标建立叁维装载模型,同时考虑体积约束、重量约束、重心约束、方向约束。利用混合遗传、模拟退火与叁空间分割启发式装载算法求解模型,算法中融入局部最优解保存策略来避免局部较好解在后续的算法过程中出现适应度降低的情况。通过强异类算例与弱异类算例对算法进行性能测试,并结合具体的货物装载数据,得出叁维装载图与目标函数值。结果表明,该算法应用于集装箱装载有着较好的效果。(本文来源于《计算机工程与应用》期刊2019年14期）
闵轩,江智军,杨晓辉[7]（2018）在《基于模拟退火-混合蛙跳法的多峰值MPPT算法》一文中研究指出根据光伏阵列在实际生产中的局部阴影情况建立了光伏阵列的实际生产模型,并针对局部阴影情况导致的多峰值问题设计了一种基于模拟退火-混合蛙跳法(SA-SFLA)的多峰值功率最高值跟踪技术(MPPT),即在保留混合蛙跳算法跳出局部功率最优点能力的同时,引进模拟退火算法来提升跟踪全局功率最大点的速度和精度。最后通过Simulink仿真,证实了该算法进行MPPT多峰跟踪的性能较混合蛙跳法有了显着提高,有益于光伏阵列效能的提升。(本文来源于《水电能源科学》期刊2018年10期）
刘任,李琳[8]（2019）在《基于模拟退火与Levenberg-Marquardt混合算法的Energetic磁滞模型参数提取》一文中研究指出利用Energetic磁滞模型进行磁滞特性模拟的首要任务在于模型参数的精确快速辨识。该文针对现有Energetic磁滞模型参数提取方法存在的收敛速度慢、求解精度低的问题,提出一种基于模拟退火(simulated annealing,SA)算法与Levenberg-Marquardt(L-M)混合算法的Energetic模型参数提取方法,其综合SA算法全局搜索能力强,以及L-M算法局部收敛速度快的优点。在混合算法迭代初期,采用SA算法快速锁定全局最优解所在区域;而后,根据引入的普适性混合算法切换过渡准则,将SA算法当前最优解赋予L-M算法;针对基于传统L-M算法提取Energetic模型参数出现的病态矩阵问题,该文将该模型参数的灵敏度函数矩阵进行归一化处理,从而推导出适用于Energetic模型参数快速提取的归一化L-M算法。归一化L-M算法在接收到SA算法提供的最优解后,将其作为初始值,快速收敛于全局最优解。仿真及实验结果表明,该文所提混合算法同时具有收敛速度快、提取精度高的优异性能,可实现Energetic模型参数的准确快速辨识。(本文来源于《中国电机工程学报》期刊2019年03期）
谭璟,张永祥,张大胜[9]（2018）在《基于模拟退火人工鱼群混合算法确定含水层参数》一文中研究指出水文地质参数是地下水数值模拟中重要的参数,通过抽水试验进行水文地质参数的反演,用一个复杂的非线性优化问题来描述,由于传统方法如图解法等因人为因素造成计算结果精度低。利用鱼群算法良好的全局搜索能力和模拟退火较强的局部寻优能力相结合的混合算法反演含水层参数。实例证实,混合算法计算结果比传统方法计算结果更可靠、精度更高,反演的参数代入泰斯公式后计算降深值符合实际降深值,与人工鱼群算法相比,运行更短,计算效率更高,是一种求解出含水层参数的简单、有效的方法。(本文来源于《中国农村水利水电》期刊2018年06期）
尹诗德[10]（2018）在《基于模拟退火的混合布谷鸟算法求解公交调度问题》一文中研究指出改革开放以来,我国经济快速发展,人民生活水平不断提高,机动车也呈逐年递增趋势,由此引发的交通拥堵和环境污染愈演愈烈。要妥善解决此交通问题,就要大力发展城市道路公共交通,建立先进、智能化的公交系统,实行公交优先战略。公交调度是公交公司运营的核心工作之一,而调度优化工作的关键是制定出合理的发车间隔,从而降低企业运营成本,提升运营效率和服务水平。近些年来,我国公交事业得到了大力发展,公交调度也衍生出了很多优化方法,但鉴于其复杂性和特殊性,这一问题至今没有得到很好的解决。公交调度问题具有多目标非线性特征,采用传统数学方法已经难以有效解决。但是随着优化理论的发展,多样化的群智能算法被逐渐运用到公共交通调度优化问题上来,有效地解决了这一难题。本文在对调度优化与群智能优化算法的研究成果基础上,重点研究了布谷鸟算法。由于布谷鸟优化算法提出较晚,国内外研究成果不多,且尚未引入到公交调度问题上,所以开展对布谷鸟算法的理论研究,有很重要的意义,将布谷鸟算法应用到公交调度优化问题中,有很大的研究价值。布谷鸟捜索算法具有理论清晰、参数少、易扩展、全局搜索能力强、易于实现等优点,研究表明,CS算法比遗传算法、人工蜂群算法、粒子群算法等典型群智能算法具有更高的效率,可在较少的函数求解次数下得到更好的优化结果。针对原始布谷鸟算法易陷入局部最优解、搜索质量不高等缺点,本文改进了搜索步长,并将模拟退火算法与之相结合,设计了模拟退火-布谷鸟算法,经测试函数验证,该混合布谷鸟算法与标准布谷鸟算法相比有结果更优,收敛速度更快的优点。本文结合公交车辆调度自身的特点,兼顾公交公司与乘客双方的利益,以发车间隔为自变量建立公交车辆调度模型,将该混合布谷鸟算法引入公交调度中,通过实例验证了该算法的科学性和可行性,为求解公交调度优化问题提供了一种新思路。(本文来源于《华南理工大学》期刊2018-04-13）
混合模拟退火算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
讨论了柔性制造系统(FMS)中的机械加载问题,问题的主要目标是使制造系统不平衡最小化,在诸如可用的加工时间和刀具槽等工艺约束条件下使系统吞吐量最大化。将遗传算法(GA)与模拟退火(SA)算法相结合,提出了一种高效的进化算法——GASA。使用5个样本数据集对GASA的性能进行了测试,并与其他文献提及的启发式算法进行了比较,研究了它们对解决方案质量的影响。为了评价所提出的进化启发式算法的性能,通过进行大量的计算实验,以表格和图表形式给出了结果。实验结果表示GASA在柔性制造系统的应用中性能更好。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合模拟退火算法论文参考文献
[1].冯进,倪小威,杨清,管耀,刘迪仁.基于混合模拟退火算法的阵列侧向测井实时反演研究[J].石油钻探技术.2019
[2].王涛,吴林彦,张如伟,王琪,裴翦.遗传算法与模拟退火算法在FMS中的混合应用[J].制造业自动化.2019
[3].蔡金祥,蔡金涛,袁建华,张震,陈庆.基于混合遗传算法与模拟退火算法的金属氧化物避雷器在线监测研究[J].电力学报.2019
[4].未建英,张丽娜,付发.混合模拟退火和教与学的鸽群优化算法[J].科技经济导刊.2019
[5].管超,张则强,朱立夏,毛丽丽.双层过道布置问题的混合整数非线性规划模型及两阶段改进模拟退火算法[J].中国机械工程.2019
[6].张钧,贺可太.求解叁维装箱问题的混合遗传模拟退火算法[J].计算机工程与应用.2019
[7].闵轩,江智军,杨晓辉.基于模拟退火-混合蛙跳法的多峰值MPPT算法[J].水电能源科学.2018
[8].刘任,李琳.基于模拟退火与Levenberg-Marquardt混合算法的Energetic磁滞模型参数提取[J].中国电机工程学报.2019
[9].谭璟,张永祥,张大胜.基于模拟退火人工鱼群混合算法确定含水层参数[J].中国农村水利水电.2018
[10].尹诗德.基于模拟退火的混合布谷鸟算法求解公交调度问题[D].华南理工大学.2018