用“模拟退火”算法实现船舶主尺主工的全局最优化

本文把模拟退火（ＳＡ）法应用于船舶主尺优化问题中，针对船舶主尺优化问题的特性和状态，对ＳＡ算法具体应用中的几个问题进行了探讨，同时，与单纯形法进行了优化结果的比较，比较表明ＳＡ法算法能很好地逃离局部极值的陷阱找到全局最优解，其优化结果与初始点的选择无关，从而为船舶主尺度优化问题提供了一种稳定可靠的全局最优化算法。     

用“模拟退火”算法实现船舶主尺度的全局最优化

本文把模拟退火（SA）法应用于舶舶主尺度优化问题中。针对船舶主尺度优化问题解的特性和状态，对SA算法具体应用中的几个问题进行了探讨。同时，与单纯形法进行了优化结果的比较。比较表明，SA算法能很好地逃离局部极值点的陷阱找到全局最优解，其优化结果与初始点的选择无关，从而为船舶主尺度优化问题提供了一种稳定可靠的全局最优化算法。     

基于神经网络的船舶主尺度优化设计方法

详细介绍了神经网络的模拟退火算法的特点，基本思想及计算步骤，并以主尺度优化设计为例，针对主尺度优化问题解的特性和状态，对模拟退火算法具体应用中的几个问题进行了探讨。     

引导进化模拟退火算法在船舶性能优化设计中应用

引导进化模拟退火等法是一种采用全局优化策略的人工神经网络的平行技术，综合了遗传算法、模拟退火、模拟进化的思想，并在解空间实施区域引导。本文用该算法进行船舶性能优化计算，速度快捷，其全局优化策略，可避免陷入局部最小值。     

多学科设计优化技术在船舶初步设计中的应用

首先阐述了船舶的设计过程,指出传统的船舶初步设计是一种串行的设计模式,即是先确定主尺度,然后根据主尺度确定船型.这种设计模式通常只能得到一个满足各指标要求的可行解,而得不到全局最优解.将多学科设计优化技术(MDO)应用到初步设计阶段,将主尺度的确定与船型变换并行考虑,使主尺度的确定充分利用后期船型变换的信息,可实现全局最优的设计.最后,本文以油船的优化为例进行了验证.     

引导进化模拟退火算法在船舶能优化设计中应用

引导进化模拟退火算法是一种采用全局优化策略的人工神经网络的平行技术，综合了遗传算法，模拟退火，模拟进化的思想，并在解空间实施区域引导，本文用该算法进行船舶性能优化计算，速度快捷，其全局化策略，可避免陷入局部最小值。     

GESA算法在船舶性能优化设计中的应用

ＧＥＳＡ算法是一种全局采用全局优化策略的人工神经网络的并行技术，它以一种新颖的方式综合了遗传算法，模拟淬火、模拟进化的思想；它的另一个特点是在解空间实施区域引导 。本文用ＧＥＳＡ算法进行船舶性能优化计算，这种方法速度快速，由于是全局优化策略，避免了陷入局部最小值，利用该方法，可向设计部门提供咨询服务。     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。     

基于感兴趣集和遗传算法的模拟退火算法初步研究

本文基于作者所提出的感兴趣集，提出了基于感兴趣订的模拟退火自满ＩＳＳＡ。再基于遣传算法的思想，提出了基于遗传算法的模拟退火自满ＩＧＳＡ。算法ＩＧＳＡ是模拟退火算法的有效改进。     

基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP（Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS（Flexible Manufacture System)中的柔性调度问题。伪真结果表明，该算法增强了EP（Evolutionary Programming)算法的全局收敛性，在多目标和复杂多约束条件下，得到了满意的全局最优解。     

船舶航行性能综合优化研究

船舶航行性能优化是一个非常复杂的问题,它具有多个设计变量,多个约束和多个极点.传统的优化方法通常无法解决该问题.文中采用了一种传统的优化方法一复合形法(CA)和遗传算法(GA),模拟退火算法(SA)来计算船舶航行性能优化问题,比较了三种优化方法的输出结果并选取最好的那个解作为最终的优化结果.通过这种方法.可以以更高的概率获得真实的最优解.应该指出的是,这三种算法都作了某种程度上的改进.作者采用C++语言基于面向对象思想开发了计算软件-ShipPO.文中列出的所有船舶航行性能优化计算结果都是在ShipPO平台上计算出来的,结果表明采用三种优化方法计算一次船舶航行性能优化问题耗时并不太多.最终的结果表明ShipPO具有很强的寻找全局最优解的能力,它能够很好地满足工程需要.     

船舶主尺度神经优化分析

本文阐述了以随机神经网络系统理论应用于船舶主尺度优化设计的新方法。介绍了神经网络的模拟退火优化算法的特点与基本思想、数学模型和计算步骤，并给出船舶主尺度神经优化设计的实船算例，以及与其他优化方法之比较。     

多目标进化算法在船型方案设计中的应用

针对船型方案设计阶段主尺度确定的优化问题,采用现代多目标进化算法进行研究.考虑某水面船排水量和航速两个优化目标的算例,给出了Pareto最优解集,并和实际船型进行了比较.算例表明,多目标进化算法能够快速获得最优解集,该解集分布均匀,可以供实际设计采用.     

基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP(Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS(Flexible Manufacture System)中的柔性调度问题.仿真结果表明,该算法增强了EP(Evolutionary Programming)算法的全局收敛性,在多目标和复杂多约束条件下,得到了满意的全局最优解.     

基于模拟退火算法的航母总体要素寻优

介绍了模拟退火算法的基本原理及迭代步骤,并将其引入到航空母舰的总体要素方案生成阶段,在综合考虑航空母舰的稳性、快速性、耐波性、作战效能和花费等的同时,建立了最小目标函数模型,通过FORTRAN语言编程对航空母舰总体要素进行全局寻优。算例结果表明,模拟退火算法能很好地找到全局最优解,而不受初始点的控制,优化后,航空母舰的稳性、快速性、耐波性、作战效能和花费等都得到了改善。     

基于Petri网和模拟退火算法的生产调度

为解决生产调度问题,在增强赋时变迁Petri网和模拟退火算法的基础上,将两者结合起来,首先利用Petri网描述生产调度问题,为提高算法的通用性,以Petri网的系列变迁来作为调度问题解的表达方式,然后通过模拟退火算法求解问题的最优解或近优解.在模拟退火算法新解产生过程中通过引入记忆功能,避免迂回搜索,提高了搜索效率和解...     

一种船舶结构优化的实用方法

本文针对船舶结构优化设计中普遍存在的混合离散变量的现象，应用一种简便而实用的估化新方法－模拟退火算法直接获得最优解，而需地离散散现象进行了“规格化”后处理，以舱口盖和槽形舱壁的结构优化为例，详细讨论了模拟退火过程中冷却过程进度表优化质量及效率的影响。     

集装箱船主尺度全局最优化的混沌算法

提出了应用混沌优化方法（Chaos Optimization Algorithm,COA)进行集装箱船船型主尺度要素全局优化的新策略。混沌优化方法利用混沌变量的随机性、规律性、遍历性寻优，能够克服经典优化方法如直接法、梯度法、Hessian法等方法容易陷入局部极小点的不足，方法简单、快速、易于掌握，其效率比一些目前广泛应用的随机优化方法如模拟退火法（SAA）、遗传算法（GA）等高得多。实际算例的结果证实了混沌优化方法用于集装箱船船型优化的有效性。     

改进的MODSA算法在船型优化中的应用

针对传统智能优化算法处理高维优化问题时易陷入局部最优解且优化效率低的问题,文章采用近几年提出的基于模型的动态抽样分配(MODSA)算法作为研究对象,该算法具有处理高维优化问题的潜力,但对某些复杂高维问题很难搜索到全局最优解。为避免MODSA算法陷入局部最优解,采用多元正态分布作为抽样分布并推导相应参数更新式;为进一步提升该算法的优化效率,采用均匀设计确定初始抽样分布的期望值并通过Sigma管理水平自适应确定初始方差。通过数值函数测试结果表明:改进的MODSA算法具有更好的优化性能。最后,将改进的MODSA算法应用于5100TEU集装箱船兴波阻力性能优化。     

基于模拟退火-蚁群变步长优化算法的椭偏数据反演分析

椭圆偏振光谱方法是获取薄膜复光学常数和厚度的最优光学测量手段之一,椭偏方程作为超越方程,其逆向求解过程中的反演算法直接影响着椭偏数据的处理效率与精度.以前期的蚁群算法为基础,为进一步提高算法的收敛速度和跳出局部最优解的能力,研究了模拟退火算法和蚁群算法的融合策略,并提出了一种基于最优蚂蚁的变步长方法,通过动态改变最优蚂蚁的领域局部搜索步长,提升算法的精细化搜索能力,最终给出了模拟退火-蚁群变步长优化算法.应用该优化算法分析了高温超导薄膜FeSe的椭偏光谱,测试结果表明,该混合优化算法可以实现椭偏数据的精确反演分析,并且具有更快的收敛速度和更优的评价函数.