改进的非常快速模拟退火算法

在研究模拟退火机理分析的基础上,提出了一种改进的算法（MVFSA算法）的具体方案,目的是为了改进原算法（VFSA算法）中存在的缺陷,以提高算法的效率．在模型试验中,对改进后的算法与原算法的过程和结果进行了一系列的比较,发现改进后算法不仅保持了原算法全局寻优的优点,而且提高了算法的稳健性和效率．这就为模拟退火算法在更多方面的实际应用打下了良好的基础．     

基于模拟退火的排课算法

模拟退火算法应用在排课问题中，主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取算法的控制参数，能加快获得问题的整体最优解或近似最优解的收敛速度。     

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.     

基于改进模拟退火算法求解TSP问题

对传统模拟退火算法的原理和不足进行分析,针对TSP问题的特点提出了改进的模拟退火算法.就传统模拟退火算法生成新解的随机性太强、参数设置不当不能搜索到全局最优解、容易丢失当前最优解等问题提出了新的初始解选择方案、新解生成机制和当前解的改良及增加记忆功能等方法.实验结果表明,新算法传统的模拟退火算法具有更快的收敛速度和更高的稳定性.     

融合模拟退火的改进教与学优化算法

针对教与学优化算法(TLBO)在解决复杂优化问题时易陷入局部最优的缺点,提出了一种融合模拟退火的改进教与学优化算法(SAMTLBO).该算法首先对学员阶段做了改进,在保持TLBO算法简单易实现的基础上,利用模拟退火方法增强了TLBO算法摆脱局部最优的能力,最后用4种算法对8个无约束优化函数仿真.数值实验表明,该算法无论是在收敛速度还是在寻优精度上均优于基本TLBO算法、ETLBO算法和DMTLBO算法.     

基于模拟退火算法的属性均值聚类算法

基于对属性均值聚类算法和求解全局优化问题的方法的分析,提出了基于模拟退火算法的属性均值聚类算法。数值计算表明该算法是一个具有全局最优解的聚类方法。     

基于模拟退火算法的最优码本设计

分析了矢量量化码本设计基本算法及其不足，给出了完善的局部最优的改进算法及其实现．简介了模拟退火算法的基本原理，并利用模拟退火算法进行全局最优码本设计，文中给出了具体的算法实现和实验结果．     

能力约束批量问题的模拟退火算法研究

为了提高能力约束批量问题的计算效率,运用模拟退火算法对此类问题进行了研究。采用0-1编码的方式,在满足总需求的情况下以一定概率通过交换相邻周期的0-1编码来产生新解,内循环的迭代步长由生产规模决定(N×T),温度衰减系数为固定值,终止温度选择一个很小的正数。通过实例仿真,验证了模拟退火算法用于求解此问题的有效性。仿真结果表明,初始温度越高,搜索范围越大;迭代步数越多,寻得最优解的可能性就越高。生产规模为6×6时,取得最优解的计算用时不超过145ms。     

模拟退火算法在BDD变量最优排序中的应用

二叉判定图(BDD)作为表示布尔函数的有效工具,被广泛的应用到逻辑综合,布尔电路的测试等领域,但是在构造BDD的过程中变量的顺序对其结点数有很大的影响,本文将广泛应用于人工智能的模拟退火算法引入到BDD变量排序中,提出了一种寻找变量最优排序的新方法。该方法在寻求BDD最优变量排序的过程中,对处理器的处理时间和存储器的空间需求都有很大的改善。     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

模拟退火算法优化堆芯设计

在反应堆物理设计中 ,为了展平堆芯功率、提高核燃料利用率和降低运行成本 ,必须对堆芯燃料管理作优化设计。该文着重介绍了模拟退火算法 ,针对优化堆芯物理设计提出了优化目标函数和罚函数 ,采用罚函数处理的方法进行模拟退火算法 ,对 NHR- 2 0 0反应堆作了实例计算 ,使首炉循环末的有效增殖因子 Keff提高了 2 .5 % ,展平了功率分布 ,得到了令人满意的结果     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

VLSI布局布线中的模拟退火算法

本文针对VLSI宏单元阵列布局的特点讨论了一般模拟退火算法.在开发专用芯片仿真系统中提出的布局布线程序里,使用了低温段模拟退火和高温段启发式算法相结合的改进的SA算法,可以提高布线质量     

用模拟退火算法求解客轮调度问题

建立了客轮调度问题的数学模型,并用模拟退火算法求其数值解。     

用模拟退火算法设计可见光区多层增透膜系

构造了光学薄膜优化设计的评价函数,用模拟退火算法设计了可见光区五层增透膜系,并与传统优化算法DFP变尺度法和单纯形法的设计结果进行了比较。     

高非线性水质模型参数最优化估值的改进遗传算法实现

遗传算法是一种具有全局搜索功能的进化算法,对解决水质模型参数最优化估值问题针对性强,但该算法存在着局部早熟收敛和收敛速度慢两个不足,因此目前在水质模型参数优化中的应用主要以具有解析解形式的简单模型为主,解决多维非线性度高的综合水质模型参数最优化问题效果不佳.本文在标准遗传算法(SGA)的基础上,建立改进的实编码混合遗传算法(IRHGA),通过设定目标函数最大控制因子,运用SA算法拉伸适应度值,串行混合单纯形直接搜索算法三项主要改进措施,达到改善算法在非线性响应曲面陡峭峰谷间搜索时,不丢失最优解空间和后期有效分辨最优适应度的效果.以测试函数Rastrigin为验证,得到了已知的最优结果.最后,以高非线性水质模型的参数优化估值问题为实例进行验证,结果表明,针对非线性度高的陡峭曲面搜索,具有避免局部早熟收敛的优点.优化搜索过程中,各搜索个体全局均匀分布,对有可能被陡峭峰谷掩盖的最优点位置都能进行搜索,并且,在搜索后期接近最优点附近时,搜索分辨率高,速度比改进前更快.优化后的水质参数代入模型中,模拟所得结果与给定的实测值间误差更小,实现了高维复杂水质模型多参数的同时优化功能.该算法对其他非线性优化问题同样具有较好的适用性.