一种改进的连续变量全局优化模拟退火算法

在连续变量的全局优化问题求解中,提出了一种改进的模拟退火算法.该算法提出了一种自适应的函数变换方法,解决了模拟退火算法中较难处理的初始温度问题,使初始温度与具体应用问题无关;结合成功-失败法和变尺度方法,提出了有效偏移量的概念,改进了解的产生方式;提出了一种以相对精度为基础的结束准则,较好地解决了计算效率和计算精度的平衡,提高了算法的效率和通用性.数值测试算例验证了本文的改进模拟退火算法的可行性和高效性.     

模拟退火算法的一种改进及其在蛋白质结构预测中的应用

根据蛋白质的氨基酸序列预测其空间结构可以归结为一个多维多极值的全局优化问题 ,缺少一种有效的全局优化方法是阻碍这一难题解决的一个关键 .文章以联合残基优化模型为基础 ,将蛋白质结构预测作为一个连续变量的全局优化问题来处理 .针对蛋白质结构预测模型的特点 ,对模拟退火算法进行了改进 ,并将其应用于脑啡肽和牛胰岛素 B(D)链的实例计算 ,得到了较为合理的结果.     

一种改进的快速模拟退火组合优化法

基于对求解全局优化问题的确定性方法和模拟退火算法的分析，文中提出了一种改进的快速模拟退火算法．实验结果表明，该算法可以显著地提高求解全局优化问题的计算效率     

模拟退火算法的一种参数设定方法研究

模拟退火算法在有限计算量条件下的收敛性能对自身参数有很大的依赖性,这使得参数设定问题成了算法应用过程中的一个关键环节。考虑到模拟退火算法本身的随机性,将其参数设定问题描述为随机优化问题,提出一种系统可靠地解决该问题的混合优化算法,即基于序的巢分区算法,该算法继承了序优化算法的快速收敛性及巢分区算法的全局搜索特性,能够有效解决复杂的随机组合优化问题。以典型旅行商问题为算例的仿真结果检验了方法的高效性与可靠性。     

参数设计的模拟退火并行计算法

针对参数设计中的一类非线性规划问题 ,基于均匀设计的思想 ,提出一种全局优化的模拟退火并行计算方法 .实例计算表明 ,该算法简单、有效 ,便于质量工程人员使用 .     

不确定SMDP基于全局优化的鲁棒决策问题

考虑半马尔可夫决策过程（SMDP）在一些系统参数不确定，且性能函数依赖于这些参数时的鲁棒决策问题。这些参数的不确定性不仅导致等价无穷小生成子的不确定性，也导致性能函数的不确定性。论文针对相关参数的情况，分别采用不同的全局优化算法，即填充函数法和模拟退火算法，进行鲁棒控制策略求解。仿真实例说明，全局优化方法的使用保证了平均准则和折扣准则下的计算结果之间当折扣因子趋近于零时的极限关系成立。     

一类非线性两级规划问题的模拟退火求解

提出一种基于模拟退火算法求解一类非线性两级规划问题的方法。为了提高模拟退火算法处理上级约束的能力，在模拟退火算法中引入一个辅助优化问题，通过求解该辅助优化问题产生满足上级约束的试探点，避免了使用罚函数处理上级约束。数值计算结果表明，与使用罚函数处理上级约束的模拟退火算法相比，本文提出的方法不仅可以提高求得全局最优解的可靠性，而且可以减少模拟退火算法的迭代次数，提高计算效率.     

设计自适应IIR滤波器的单纯形-退火策略

作为信号处理领域的重要研究课题 ,滤波器设计本质上是一个多维参数寻优问题 ,且往往存在多极小。传统最小二乘法和单纯形法易陷入局部极小 ,而单一模拟退火算法搜索过程冗长 ,单一遗传算法易早熟收敛。结合模拟退火的随机概率突跳性搜索和单纯形法的凸多面体几何搜索 ,提出了有效设计自适应IIR滤波器的一种简单易实现的单纯形 退火策略 (simplexmethod simulatedannealing ,SMSA) ,并给出了算法操作和参数的合理设计方案。基于多个典型系统的随机数值仿真以及与最小二乘方法的比较研究 ,验证了所提方法的有效性、全局优化性和初值鲁棒性。     

一种基于参数扰动退火策略的神经网络全局优化新算法

针对非线性全局优化问题,提出了一种新算法它采用参数扰动策略,使Hopfield神经网络克服局部极值点的吸引,同时对参数扰动采用模拟退火算法,使扰动逐渐减小,直到扰动不能对最优解和最优值产生影响,从而得到全局最优解.通过对大量测试函数的仿真计算,充分体现了新算法在速度、精度和适应性方面的优势.本文还对算法的收剑性进行了理论分析.     

一种快速模拟退火矢量量化图像编码算法

模拟退火是解决全局优化问题的随机搜索技术,它在工程领域有着广泛应用。将模拟退火技术与LBG算法有机结合,通过对LBG算法中的空胞腔码书进行适当处理,并设置适当参数使LBG与模拟退火交替进行,提出了一种快速模拟退火矢量量化图像编码算法,以降低计算量和进一步提高码书性能。实验结果表明,算法具有对初始码书选取依赖性小、不容易陷入局部极小、收敛速度快等优点。与随机竞争学习矢量量化及进化模拟退火矢量量化算法相比,峰值信噪比改善超过0.6dB。     

一种上层变量为连续型两层决策问题的求解方法

基于 Monte Carlo模拟退火方法 ,对上层变量为连续型的两层决策问题 ,提出了一种求解方法。该方法根据两层决策问题的决策机理直接求解 ,能够以较少的搜索量得出问题的优质近似解。示例的仿真计算结果表明了该方法的实用有效性。     

基于模拟退火算法的高阶数字微分器设计

通过简单有效的搜索操作和参数,提出了设计高阶数字微分器的一种模拟退火算法.在有效频段最小化二次型误差的意义下,算法能够快速而简单地得到最优滤波器参数.通过与著名的McClellan-Parks算法的比较表明,所提算法不仅能够实现误差函数的全局最优,而且在绝大多数频段能够取得更好的性能,同时具有较强的初值鲁棒性.     

Simulated Annealing for Earliness/Tardiness Production Planning Model

1　 IntroductionSince the real-world resource requirements are usually time-dependent,nonlinear,andnonconvex,a much more elaborated model is needed to study earliness/ tardinessproduction scheduling problems.A semi-infinite programming model[2 ,3] can closely modelthe earliness/ tardiness production planning problem.Because it has infinitely manynonconvex constraints,it is very difficult to solve the model.The complexity of theproblem has been discussed in [1 ] .The presented bestmethod in so…     

求解混合变量约束优化问题的改进粒子群算法

针对工程设计中混合变量约束优化问题,提出一种基于模拟退火的粒子群算法。通过引入模拟退火算法,重新生成停止进化粒子的位置,增强了全局搜索能力。鉴于最优解位于可行域边界的特点,结合一种自适应保持群体中不可行解比例的策略,采用个体比较准则处理约束。同时结合混合变量优化问题的特点,通过转换函数,使算法真正在离散空间中进行搜索,保证了解的可行性。仿真结果表明:该算法能够快速准确地找到最优解,具有较好的稳定性。     

Identification of Subset Autoregressive Model Using Simulaated Annealing

ＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＳｕｂｓｅｔＡｕｔｏｒｅｇｒｅｓｉｖｅＭｏｄｅｌＵｓｉｎｇＳｉｍｕｌａａｔｅｄＡｎｎｅａｌｉｎｇＺｈｕＸｉａｎｇｙａｎｇ＆ＺｈｏｎｇＢｉｎｇｌｉｎＤｅｐａｒｔｍｅｎｔｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，Ｓ...     

一种改进的遗传模拟退火算法及其应用

对遗传模拟退火算法进行了研究,首先对遗传算法的适应度线性尺度变换作了改进,然后在改进的遗传算法中融入了模拟退火算法,从而提高了遗传算法的全局寻优能力。以空心并联电抗器的优化为例,建立了空心并联电抗器的优化设计模型,给出了进行模拟退火操作时产生新解的邻域结构,采用改进的遗传模拟退火算法对空心并联电抗器进行优化设计,计算结果表明空心并联电抗器的损耗和重量分别减小了16.3%和11.5%,优化效果明显。     

确定性联合补充库存问题的模拟退火算法

对确定性需求的联合补充库存问题许多文献已有不少启发式算法,这些算法都是基于枚举方式计算。通过分析该问题,应用现代优化理论,提出一个有效的模拟退火算法,通过算例表明,该算法可得出较优的、与最优解偏差较小的可行解,可以有效地解决此类问题。     

水下航行器流体动力参数辨识的一种新方法

运用牛顿 -拉夫逊算法、单纯形法及模拟退火算法分别对水下航行器的流体动力参数进行了仿真辨识 ;并运用模拟退火算法对水下航行器湖上试验弹道数据进行了辨识 .结果表明 :与常规辨识算法相比 ,模拟退火算法具有全局收敛性 ;运用该算法可以获得水下航行器流体动力参数的极大似然估计.     

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。