模拟退火算法在多目标决策中的应用研究

模拟退火算法ＳＡ最显著的特点是，用它求解单目标最优化问题时，人们可随意地选择搜索方向和步长，而且在运算结束时，一般都能得到全局最优解的良好近似值。对此，作者在介绍这一好算法的同时，试图就它是否适合于解决多目标决策问题展开讨论。     

两种类型车辆随机需求路由问题

主要研究两种类型车辆随机需求路由问题。因为两种类型车辆随机需求路由问题的处理不同于单类型车辆随机需求路由问题，引进了单位容积和路程的花费的新概念，在服务仅能失败一次的情况下，结合车辆的容积和最大服务结点数，根据平均花费和最大服务结点数之间的关系，得到了两个派车策略，节约了计算量，使得两阶级的模拟退火算法能更有效地解决问题。对需求为二项分布下的VRP（Vehicle routing prolem）问题作了数值实验，给出了派车方案和总的平均花费，得到了较好的结果。     

基于退火惩罚混合遗传算法求解生产批量计划问题

针对以获得最低生产成本为目的的批量生产计划问题，提出了该问题的混合整数规划模型，首先，根据单级多资源批量计划问题的特点提出了问题的数学描述，；然后根据该数学问题的复合性，利用遗传算法的随机搜索和进行化过程寻找问题的全局最优解，为了防止适应度函数的过早收敛，引入退火惩罚因子对适应度函数进行处理，使得获得全局优解的可能性加大，实验结果表明，该方法能获得比传统遗传算法更为理想的近似最优解。     

模拟退火算法与注射机合模机构运动行程最大化

将模拟退火法应用于注射机合模机运动行程的最大化设计研究，以运动 行程为目标函数，肘杆断面尺寸、肘杆起始与最终位置为设计变量，约束条件为强度、稳定性，锁模力，应用模拟退火算法进行运动行程的最大化设计是可行且高效的，可在工程结构优化设计领域中推广应用。     

基于混合策略的麻雀搜索算法改进及应用

针对麻雀搜索算法(SSA)搜索精度不高、全局搜索能力不强、收敛速度慢和易于陷入局部最优等问题，提出了一种基于混合策略的麻雀搜索算法(HSSA)。采用改进的Circle混沌映射初始化种群，提高种群多样性；结合樽海鞘群算法改进发现者的搜索公式，提高算法迭代前期的全局搜索能力和范围；在加入者的搜索公式中引入自适应步长因子，提高算法的局部搜索能力和收敛速度；通过镜像选择机制，提升每次迭代后的个体质量，提高算法的寻优精度和寻优速度；在位置更新处加入模拟退火机制，帮助算法跳出局部最优。利用8种测试函数进行测试，结果表明，改进算法比SSA有更好的寻优性能。将改进前后算法与极限学习机结合进行实验，人体表面肌电信号数据集的分类预测精度从80.17%提高到90.87%，证实了改进算法的可行性和良好性能。     

战术导弹弹射器的优化设计

本文以战术导弹燃气式活塞弹射机构为研究对象，运用经典内弹道学理论分析了整个弹射过程，建立了弹射机构的数学模型。利用影响导弹弹射过程的主要因素作为优化变量，在给出约束条件和目标函数的条件下，采用模拟退火算法对弹射器进行了优化设计。优化结果表明，所得到的优化参数满足弹射系统的性能指标。本文的研究对同类战术弹射器的设计有一定的参考价值。     

应用模拟退火算法求解飞机调度问题

通过分析飞机运行的时区集合特点,将飞机调度问题转化为固定工件排序问题。根据工件占用机器的时间区间,利用划分时间片算法把需要平行作业的工件挑选出来组成无向图的相邻顶点,从而将固定工件问题转化为图的k-顶点着色问题,然后建立0-1整数规划数学模型,并设计出相应的模拟退火算法。最后应用该算法针对飞机调度问题进行了仿真研究,结果表明:在可接受的时间内能够得到该问题的满意解。     

SAR图像非平稳性对图像模型和滤波降噪方法的影响

从随机过程理论角度按平稳程度把合成孔径雷达(SAR)图像分为分辨单元内平稳、分辨单元内不平稳、处理窗内局部平稳和处理窗内局部不平稳4种情况,研究了非平稳性对图像的斑点乘性噪声模型、场景-斑点乘积模型和结构邻域模型的影响,得出各自的平稳性适用条件,并在此基础上评价了各种滤波降噪方法的性能,用实际数据进行了验证.      

基于Hopfield网络的飞机设计

Hopfield神经网络与增广拉格朗日乘子法相结合来求解非线性约束优化.神经网络作为求解乘子法的子问题的动力学方法,仅需计算一阶导数.引入逐渐衰减的高斯噪声信号构造随机神经网络.同时针对随机网络受初始温度制约,跳出局部极小值能力有限的问题,网络运行采用结合模拟退火的欧拉法.用该方法对某喷气教练机进行总体优化设计,结果表明,算法的数值稳定性较好,求解精度高.并基于拉氏乘子提供的约束敏度信息,做了设计要求权衡.最后研究了某型干线旅客机的机翼气动/结构综合设计问题.