求解带性能约束凸多边形布局的混合算法

针对带性能约束的凸多边形布局问题,设计了一种波纹探测启发式定位算法(REHA),并将其与广义模拟退火算法(GSA)相结合,形成混合算法.波纹探测启发式算法模拟波纹的现象,以圆形容器的圆心为中心,构造同心圆,逐步增大同心圆半径向外探测,根据同心圆与质心临界多边形的交来确定布局物的放置位置.该算法同时兼顾布局问题的紧凑性和静平衡约束,是一种定位启发式方法,其解的质量受布局顺序的影响.利用广义模拟退火算法优化布局顺序,形成混合算法,并将其与经典的模拟退火算法作分析对比,数值试验验证了提出算法的有效性.     

基于模拟退火算法的蛋白质空间结构预测

模拟退火是一种通用的启发式优化算法，将模拟退火思想用于求解蛋白质结构预测问题，计算结果表明利用SA算法得到的解优于目前常用的遗传算法和MonteCarlo方法．     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

VLSI布局问题的神经网络优化设计方法

针对集成电路设计自动化过程中电路单元布局的优化问题，以一维逻辑门布局设计为例。研究利用神经网络特点，采用霍普菲尔德神经网络模型，构造出能量函数，通过模拟退火算法寻求全局最优极值，达到连接各个门之间所必须的连线总长为最短的排列，提高布局设计的优化程度的方法．文中阐述了布局优化问题中的换位矩阵及其神经网络的映射关系、目标函数的选取、动力学方程求解方法，模拟退火算法优化设计方法的主程序，并且与参考文献使用的布局方法的结果进行比较。证明神经网络优化设计方法的优点和可行性．     

神经网络在结构优化中的应用

采用阶梯折算及传递矩阵的基本方法,利用神经网络算法中的模拟退火法,研究了轴向力作用下非均匀变截面柱的屈曲优化问题,计算了给定柱体总体积约束下,使轴向受压柱的屈曲载荷达到最大的问题.研究表明:优化结果使4种条边界条件下的屈曲载荷都得到提高.     

基于模拟退火复合形优化算法的弹性悬架设计

针对传统优化算法全局性较弱,容易陷入局部解的问题;以及模拟退火算法的降温速率较慢和局部搜索能力不足。采用将模拟退火算法和复合形相结合的模拟退火复合形算法。在此基础上对弹性悬架优化设计进行了研究;并且与传统优化方法进行了比较。结果表明,该算法在求解弹性悬架多变量、多约束优化问题的有效性和正确性。     

求解布局问题的混合萤火虫群优化算法

为了充分发挥萤火虫算法的优点,将人工萤火虫群优化算法与启发式策略相结合,设计了一个新的求解布局问题的高效萤火虫优化算法.实例测试和实验对比结果表明:相对于已有文献中的算法,提出的混合布局方法更加有效.     

基于具有自适应与自学习能力的粒子群优化算法的车间调度算法

针对车间调度问题, 提出一种新的基于粒子群优化和模拟退火的混合算法. 该算法将问题规模作为启发式信息, 通过对模拟退火算法引入新的邻域搜索机制--多粒度搜索, 并加入选择优化和淘汰更新机制, 提高了算法的自适应性和自学习能力, 降低了粒子群算法陷入局部最优的可能性. 实验结果表明, 该算法在最优解的求解能力上优于其他算法.     

基于具有自适应与自学习能力的粒子群优化算法的车间调度算法

针对车间调度问题,提出一种新的基于粒子群优化和模拟退火的混合算法.该算法将问题规模作为启发式信息,通过对模拟退火算法引入新的邻域搜索机制——多粒度搜索,并加入选择优化和淘汰更新机制,提高了算法的自适应性和自学习能力,降低了粒子群算法陷入局部最优的可能性.实验结果表明,该算法在最优解的求解能力上优于其他算法.     

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。     

二维不规则贯通排样的模拟退火算法

提出一种获得不规则零件的最佳包络矩形的方法,根据矩形件的启发式算法,设计模拟退火智能算法将最佳包络矩形排样.模拟退火算法是全局优化概率的搜索算法,可以在优化排样中将排样次序优化,再利用最低水平线算法将不规则多边形排样.结果显示:同一排样问题,初始温度、冷却参数以及终止温度有一组最佳组合值,使得问题解的质量较高.该算法在排样效果和时间效率上更为优秀.     

面向车辆路径问题的改进蚁群算法研究

为解决基础蚁群算法在求解车辆路径问题时出现收敛速度慢、易陷入局部最优解等问题,提出了一种改进蚁群算法.首先,引入节约矩阵更新选择概率公式引导蚂蚁搜索;其次,运用分段函数改进挥发因子,调整算法的收敛速度;再次,使用2-opt法,提高算法的局部搜索能力;最后,选取车辆路径问题国际通用数据集进行仿真,运用控制变量法找到信息素...     

Optimal design of hydraulic manifold blocks based on niching genetic simulated annealing algorithm

To solve the combinatorial optimization problem of outer layout and inner connection integrated schemes in the design of hydraulic manifold blocks(HMB),a hybrid genetic simulated annealing algorithm based on niche technology is presented.This hybrid algorithm,which combines genetic algorithm,simulated annealing algorithm and niche technology,has a strong capability in global and local search,and all extrema can be found in a short time without strict requests for preferences.For the complex restricted solid spatial layout problems in HMB,the optimizing mathematical model is presented.The key technologies in the integrated layout and connection design of HMB,including the realization of coding,annealing operation and genetic operation,are discussed.The framework of HMB optimal design system based on hybrid optimization strategy is proposed.An example is given to testify the effectiveness and feasibility of the algorithm.     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

基于模型分块交叉移动的学习型模拟退火算法地震反演

针对地震非线性反演问题,提出一种基于模型分块交叉移动的学习型模拟退火的全局优化地震反演方法.其步骤为:首先,在模拟退火算法及粒子群算法基础上,在算法模型扰动项里面加入1个向目标优化的方向移动的学习项;其次,针对地震反演模型数量多及地震记录为褶积形式的特点,采用模型分块交叉移动的方法来实施模拟退火反演,给出模型分块交叉移动的学习型模拟退火算法流程.研究结果表明:该方法具有收敛速度快、精度高、实现简单、高效的特点,可以用于其他多维多极值的目标函数反演.     

模拟退火算法解TSP问题的研究

模拟退火算法是一种适合解大规模组合优化问题,特别是解NP完全问题的通用有效近似算法.它与以往的近似算法相比,具有描述简单、使用灵活、运用广泛、运行效率高等优点,而且特别适合并行计算.文章介绍了模拟退火算法的基本原理和思想,并简述了利用模拟退火算法解TSP问题的运用,最后通过实验证明了模拟退火算法的高效性.     

单元制造系统布局模型及其求解

研究了基于成组技术的制造单元在车间平面内的布局问题，提出了一种能真实反映车间平面内布局特点和要求的布局模型，并利用模拟退火法进行了求解，试验结果表明，该布局模型不仅能得到较优的单元布局，而且还能得到合理的物流路径。     

进化规划方法在并行多机调度问题中的应用

并行多机调度问题是一类重要的车间调度问题,但迄今为止,在解决工件和机器数较多的大规模并行多机调度问题还存在着许多困难。进化规划方法与遗传算法一样是一种重要的进化计算方法,但与遗传算法相比,进化规划算法的应用还刚刚开始,特别是在调度领域的应用还很少见文献报道,第一次将进化规划方法应用到并行多机调度问题中,并在问题的描述、可行解的表示、变异方法、提高进化规划方法的局部寻优能力等方面作了研究。不同规模的计算实例表明了本文提出的进化规划算法是有效的,能用于解决较大规模并行多机调度问题,且解的质量优于启发式算法和模拟退火算法。     

黄金正弦模拟退火算法求解低碳有能力约束的车辆路径问题

针对模拟退火算法局部搜索能力不强、收敛速度慢,以及接受准则的盲目性等弊端,提出一种基于黄金正弦的模拟退火算法。首先采用黄金正弦算法的遍历特点优化模拟退火算法的初始值,然后对模拟退火算法的邻域搜索进行扩充,增加基于概率的多种算子邻域搜索和记忆装置,适当提高退火温度等措施,很大程度上提高了算法的全局优化性能。通过物流运输实例对低碳和成本节约型的多目标有能力约束的车辆路径问题(capacitated vehicle routing problem,CVRP)模型求解,以寻找环境友好型绿色路径。实验仿真表明,该混合算法具有很好的优化性能,对于求解此类车辆路径问题具有很好的优化效果。