羊圈降温系统的节能优化技术

在羊圈降温节能问题中,为了解决自适应蚁群算法对多参量和非线性系统寻优求解时发生的系统局部最优的问题,利用Metropolis准则下的模拟退火算法来进一步改善蚁群算法,再利用SA产生的新解进行并行搜索.结合两者的特点,形成了全局最优化参数的退火-蚁群算法,并在羊圈降温系统中进行了试验.结果表明,应用该算法能使降温控制系统寻优能力增强,其节能率达35.18%.     

封闭式养殖空调系统的节能优化算法研究

在解决养殖空调系统节能问题中,采用了自适应蚁群算法对多参量、非线性系统可寻最优求解的算法,并考虑到可能发生系统局部最优问题,利用Metropolis准则下的模拟退火算法来改善全局优化能力,提出了全局最优化参数的退火-蚁群算法,并在空调系统中进行了验证.结果表明,应用算法能使空调控制系统鲁棒性增强,节能率可达27.12%.     

基于SAA的农机圆锥滚子轴承的优化设计

圆锥滚子轴承在农业机械中具有非常广泛的应用,而传统的圆锥滚子轴承设计方法存在明显的不足。在分析利用经典模拟退火算法(CSAA)实现圆锥滚子轴承优化设计存在的缺点之后,以分阶段、分领域函数以及最优解保留为搜索策略,提出了改进模拟退火算法(ISAA)优化设计模型,克服传统方法中存在的全局寻优能力弱及对初值敏感的缺点。     

基于改进蚁群算法的PID参数优化

PID控制器的参数优化是自动控制领域的重要问题。一般PID参数的调定都离不开依靠人工经验的调整,但难以得到最佳参数。而蚁群算法因其自身参数限制,在全局搜索上能力较弱,会陷入局部最优。基于此,本研究提出一种将蚁群算法和模拟退火算法融合用于PID控制器参数优化的方法,以模拟退火的搜索方式替代蚁群算法,避免算法陷入局部解。仿真实验表明,该方案具有更快的响应速度和更好的稳定性。     

水电站厂内负荷最优分配规则图研究

水电站厂内负荷优化分配是实时经济运行的核心内容,其结果表达方式反应了水电站机组间负荷分配规律。现行对负荷分配的研究多集中在算法上,更注重负荷分配过程,很少涉及对分配结果表达方式的研究。以耗流量最小为目标,建立了负荷优化分配模型,利用动态规划法进行求解,得水电站机组间的最优动力特性曲线,提出负荷最优分配规则图的概念并对其绘制方法和应用做了详细介绍,该图使水电站短期优化调度和实时经济运行更加简便快捷。     

基于梯度修正的遗传算法锥齿轮优化设计

对约束条件的处理是应用遗传算法求解约束问题所涉及的一个主要内容。本文首先描述了普遍采用的“惩罚函数遗传算法”,针对该算法存在的问题进行了分析,提出了基于梯度修正的模拟退火遗传算法,给出对不可行解的修正方法。算法的实施可分两步,第1步采用修正的遗传算法搜索目标函数的可行解或全局可行最优解;第2步利用模拟退火算法对可行解局部优化。最后以弧齿锥齿轮优化为例,对算法的可行性进行了验证。     

篮球队员协作模式在多收割机械协同作业中的应用

在篮球比赛时,为了使队员的协作模式达到最佳,可以采用相关算法对协作时最佳的投篮地点进行选择。在农忙时节多收割机机械协同作业时,如果每台收割机的搜索路径不佳,则会造成收割机在作业时具有很多空行非作业时间,造成了资源的浪费,降低了作业效率。为了解决这个问题,将篮球队员协作模式引入到了多收割机编队的协同作业算法中,并提出了多路径蚁群搜索算法。最后,对算法进行了验证,试验结果表明:将篮球协作模式的多路径蚁群搜索算法引入到收割机路径搜索中,不仅可以实现最优路径的快速搜索,而且可以实现多收割机等长度路径搜索,使多台收割机路径最短并保持距离相同或者接近,从而保证了多台收割机同时作业时的作业效率最高,为多收割机编队协同作业的研究提供了较有价值的参考。     

基于Pareto蚁群算法和3S技术的灌区水资源空间优化配置

为了解决灌区水资源配置中的信息采集方法落后和多目标模型求解易陷入局部最优等问题,通过伪随机并行搜索和最近邻域选择等策略对Pareto蚁群算法进行改进,然后将Pareto蚁群算法与3S技术耦合,以宁夏银北灌区为仿真对象,利用改进的Pareto蚁群算法计算灌区多目标、多约束的水资源空间优化配置模型,获得最优的井灌水量、渠灌水量、排水量以及最优的经济效益和灌排费用。基于Pareto蚁群算法和３S技术的灌区水资源空间优化配置,能加快算法的收敛速度,获得全局最优解,使优化结果更接近实际,对灌区的水资源宏观调度具有一定的参考价值。     

基于改进蚁群算法的蔬菜大田无人农机路径优化

推进蔬菜机械化与无人化种植能够保障优良的蔬菜规模化种植技术效益,有力保证蔬菜质量与品质,有利于蔬菜规模化生产种植技术产业体系的发展。利用无人拖拉机作业GPS定位点集将实际农业作业区域转化为规则矩形,在此基础上建立以无人拖拉机总转弯距离最短为优化模型,采用蚁群算法对无人拖拉机耕地作业路径序列进行搜索。同时考虑到传统蚁群算法易陷入局部最优、全局搜索能力不足等问题,提出一种基于和声搜索策略的改进蚁群算法,通过引入sigmoid函数与和声搜索机制改善路径搜索能力,得到高质量耕地作业路径序列。将传统蚁群算法(AC)、精英蚁群算法(ELAC)作为对比算法,将传统梭形、回形作业方法作为路径对比作业方法,针对不同耕地作业规模进行无人拖拉机作业路径搜索试验。结果表明,本文算法得到的总转弯距离较梭形耕法降低35.53%～43.08%、较回形耕法降低24.98%～86.88%。精英蚁群算法在小规模作业区域中性能较优,但随着蔬菜大田规模扩大,改进和声蚁群算法优化效果更明显。     

动态蚁群算法在梯级水库优化调度中的应用

针对蚁群算法缺乏全局搜索与局部寻优之间的动态调整,蚁群难以保持较好的多样性,算法极易陷入局部最优的问题,以余弦递减的策略动态调整启发式因子的变化,从而平衡算法的全局搜索和局部寻优。同时,利用混沌搜索的随机性和遍历性,对蚁群每次迭代找到的路径进行混沌扰动,从而提高算法跳出局部最优的能力,避免算法早熟收敛。将改进的蚁群算法应用于梯级水库的联合优化调度,模拟计算结果表明了算法的有效性。将其结果与逐步优化法和标准蚁群算法的计算结果进行对比,体现了算法在求解速度和求解精度上的优势。     

基于粒子群与模拟退火协同优化的农田物联网混合多跳路由算法

农业无线传感器网络对农田土壤、环境和作物生长的多源异构信息的获取起关键作用。针对传感器在农田中非均匀分布且受到能量制约等问题,本研究提出了一种基于粒子群和模拟退火协同优化的农田物联网混合多跳路由算法（PSMR）。首先,通过节点剩余能量和节点度加权选择簇首,采用成簇结构实现异构网络高效动态组网。然后通过簇首间多跳数据结构解决簇首远距离传输能耗过高问题,利用粒子群与模拟退火协同优化方法提高算法收敛速度,实现sink节点加速采集簇首中的聚合数据。对算法的仿真试验结果表明,PSMR算法与基于能量有效负载均衡的多路径路由策略方法（EMR）相比,无线传感器网络生命周期提升了57%;与贪婪外围无状态路由算法（GPSR-A）相比,在相同的网络生命周期内,第1个死亡传感器节点推迟了两轮,剩余能量标准差减少了0.04 J,具有良好的网络能耗均衡性。本研究提出的PSMR算法通过簇首间多跳降低远端簇首额外能耗,提高了不同距离簇首的能耗均衡性能,为实现大规模农田复杂环境的长时间、高效、稳定地数据采集监测提供了技术基础,可提高农业物联网的资源利用效率。     

基于改进型PSO算法的汽车转阀参数优化

提出了基于模拟退火(SA)修正的改进型粒子群算法(SA-PSO)的转阀参数优化方法。建立了整车动力学模型、转向系统模型、高速"路感"模型和转阀能耗模型,并对模型进行了验证;给出了低速转向轻便性、高速转向"路感"和能耗的量化指标;提出了以轻便性、"路感"和能耗量化指标的平方和根最小值为目标函数,以各参数取值范围为约束条件的最优化问题;构建了基于模拟退火修正的改进型粒子群优化算法(SA-PSO)的自适应度函数,运用改进型粒子群算法获得了转阀参数的全局最优解;SA-PSO与PSO的优化结果对比表明,SA-PSO的全局收敛性强、收敛速度快;通过优化参数与另外两组参数双纽线、高速中间位置小转角转向、转阀能耗仿真验证了优化方法的有效性和优化结果的正确性,最后分别进行了转阀参数优化前、后的双纽线、高速中间位置小转角转向、转阀能耗试验,结果表明,优化后的转阀使转向轻便性、高速转向"路感"和节能性均得到改善。     

带时间窗的多目标蔬菜运输配送路径优化算法

为了解决蔬菜运输耗时长、成本高、保鲜时间短，导致送达到客户手上蔬菜质量降低等问题，在考虑了车辆载重和时间窗等约束条件下，本研究提出了一种带时间窗多目标蔬菜配送路径优化的遗传-模拟退火（Genetic Algorithm and Simulated Annealing，GA-SA）算法。在遗传算法（Genetic Algorithm，GA）操作过程中引入模拟退火（Simulated Annealing，SA）算法自适应（Metropolis）接受准则：首先将原始种群进行遗传算法的选择、交叉、变异等操作，形成新一代路径种群，此时通过引入Metropolis准则，对新一代路径种群分布情况进行修正、选择、交叉、变异，得到目标路径种群，达到全部车辆配送完返回到配送中心的耗时最少、成本最低、车辆使用最少的多目标，求得蔬菜运输的最优路径。设计以保定市为配送中心以及向保定市下辖的各个乡镇为配送点进行蔬菜运输路径优化的试验，结果证明，与传统的GA、SA相比，GA-SA能够有效增快其收敛速度，优化后的配送路线总成本分别降低了约23.7%和4%，总路程分别减少了22.6%和3%，耗时分别减少了26.2和2.6 h，车辆分别少使用2辆和1辆。本研究可为冷鲜食品以及其他运输路径优化研究提供参考价值。     

基于自适应模拟退火算法的HEV能量管理优化

基于iSight和ADVISOR联合仿真平台,采用自适应模拟退火算法对混合动力汽车的能量管理策略进行优化,主要对模糊控制策略的隶属度函数进行了优化,从而克服了基于专家经验进行参数选择的弊端.在ADVISOR中对UDDS工况进行了仿真对比.优化结果表明,所设计的模糊控制器和自适应模拟退火算法合理有效,车辆的燃油经济性和排...     

多约束情形下的农机全覆盖路径规划方法

为满足自主作业农机自动导航作业的需求并优化农机作业效率,在处理多种车辆转弯方式约束和农业地块约束的基础上,基于模拟退火算法提出一种混合规则路径规划方法。在多种作业约束处理方面,引入了农机转弯代价邻接矩阵来量化农机地头转弯方式的影响,通过采用内缩改进的道格拉斯-普克(Douglas-Peucker)拟合算法与求解采样点的最小凸包分别处理地块边界及障碍物边界。在使用角平分线的平行偏移法求得转向预留地块后,以转弯代价最小为优化条件对多种形状地块进行了最优作物行生成。在农机遍历顺序方面,利用模拟退火算法求解得到最优路径集,并通过单元拆解及合成的方式求解全覆盖遍历顺序,解决了传统规则遍历走法适应性差和大规模农机作业时经典模拟退火算法易陷入局部最优解的问题。实验表明,本文方法所得路径平均作业覆盖率达90.78%,平均作业占空比达85.10%。在同等作业条件下,利用本文方法所得路径比传统规则路径最多可节约距离消耗30.3%,比模拟退火算法所生成路径节约6.9%。说明本文规划算法可在多种约束下对农机进行作业路径规划,且具有较好的规划效果。     

模块化产品优化配置问题的混合PSO求解方法

针对产品优化配置问题,建立了客户需求与可配置产品模块实例之间的映射关系,采用动态惩罚函数处理约束条件,构建了产品优化配置问题的数学模型.采用遗传算法的交叉与变异策略和模拟退火算法的Metropolis准则改进粒子群算法,将形成的混合粒子群算法作为产品优化配置的求解方法.使用二进制编码方案表示可配置产品的配置方案.通过使用混合粒子群算法进行产品优化配置仿真试验,以及混合粒子群算法与遗传算法的仿真对比试验,证明该方法简单有效,效率较高.     

基于遗传退火进化的生物多序列比对算法

分析了生物多序列比对存在的问题，提出了将遗传算法和模拟退火算法相结合的遗传退火进化思想，设计了运用该思想进行多序列比对的算法过程。与通用的多序列比对软件CLUSTAL算法进行对比实验，该算法虽在速度上稍慢，但能得到更好的比对结果，从而验证了该算法的正确性和有效性。     

改进的投影寻踪模型在水质评价中的应用

投影寻踪算法是水质评价中常用的模型,针对投影寻踪模型中存在的投影方向优化问题,提出了运用模糊自适应模拟退火遗传算法（FASAGA）来寻找最佳投影方向的方法。改进了现有的投影寻踪水质评价模型,分析了新模型的性能和特点,并应用该模型评价了惠州市的西湖水质。实验证明,该模型能有效地提高水质评价的速度和准确度。     

基于GSA的厌氧发酵原料碳氮比NIRS快速检测

在以预处理后玉米秸秆、秸秆粪便混合物为原料进行厌氧发酵生产沼气时,为了对厌氧发酵原料碳氮比进行快速检测,将近红外光谱(NIRS)与偏最小二乘(PLS)回归相结合构建快速检测模型,并基于遗传模拟退火算法(GSA)构建遗传模拟退火区间偏最小二乘算法(GSA-iPLS)和双重遗传模拟退火偏最小二乘算法(DGSA-PLS)分别用于特征谱区优选和特征波长点优选,以提高回归模型的检测精度和效率。全谱1844个波长点经GSA-iPLS进行谱区优选后,得到641个波长变量,再经DGSA-PLS进行特征波长点优选后,得到628个波长变量。DGSA-PLS回归模型验证集的决定系数(R2p)为0.920,预测均方根误差为7.178,相对分析误差为3.805。与全谱建模相比,DGSA-PLS模型的RMSEP减小了15.87%。通过波长优选,参与建模的波长点数量显著减少,有效降低了变量维度和模型复杂度,提升了预测精度和预测能力。本文通过优选碳氮比的敏感波长变量,有效提高了预测模型的鲁棒性,为直接、快速、准确测量厌氧发酵原料的碳氮比提供了新途径。     

基于模拟退火粒子群算法的水资源优化配置

为了缓解水资源供需矛盾、提高水资源利用率,并在水资源优化配置中探寻新的求解方法,构建了以社会、经济、生态效益为目标的综合评价函数,建立了基于模拟退火粒子群算法的优化配置模型.将模拟退火的思想引入基本粒子群算法当中,解决了粒子易陷入局部极小值的问题.以陕西省渭南市大荔县为研究区域,设置了地表水、地下水、其他水3种水源以及...