最优化问题一直是许多专家学者研究的热点。人们在工程技术、科学研究和经济管理等诸多领域中经常会遇到最优化问题。为解决最优化问题,人们提出了很多优化算法,比如神经网络算法、遗传算法、模拟退火算法、粒子群算法等等,其中,模拟退火算法是有效且比较成熟的一种最优化算法。 目前,模拟退火算法在求解组合优化问题上取得了令人满意的结果,应用到各类复杂系统的建模和优化问题中也得到了越来越多的重视,已经逐渐成为一种重要的发展方向。其优点是,只要退火时间足够长,就能够搜索到全局近似最优解。缺点是,当退火到较低温度时,尽管反复搜索,精度也很难再提高,优化时间变长。如何进一步提高优化结果精度,缩短优化时间,成为当前模拟退火算法研究的重点。 本文在研究全局优化和局部优化算法的基础上,重点研究了模拟退火算法和拟牛顿法、Rosenbrock法,发现模拟退火算法在全局优化时性能较好,可以跳出局部最优解,快速收敛到全局近似最优解,在局部优化时性能变差；而拟牛顿法与Rosenbrock法的局部优化性能较好,搜索速度快,精度高,且可以得到全局最优解,全局优化时易陷入局部最优解。受混合优化算法思想启发,本文提出了一种新的混合优化算法,即基于改进的模拟退火算法。具体来说,就是在全局优化时用模拟退火算法,快速收敛到全局近似最优解,此时,再分别改用拟牛方法和Rosenbrock法进行局部优化,进一步提高最优解精度,缩短优化时间。这样做的好处是,充分利用两种算法的优点,快速获得高精度全局最优解。文章详细阐述了混合优化算法的基本思想和具体步骤,用编程实现了其算法,通过仿真实验,结果表明,改进后的算法优化得到的结果更为精确,优化速度更快,效果更为理想。 本文提出一种新的方案对火炮控制系统进行改进,即应用改进的模拟退火算法对火炮控制系统PID控制参数进行寻优。该方法是一种不需要任何初始信息并可以寻求全局最优解的、高效的优化组合方法。文章给出了具体实现过程和优化实例。仿真实验证明,该方案可使火炮操作更为简单,火炮控制系统更迅速且准确地搜索、识别和跟踪目标,缩短射击反应时间,提高战场生存概率。