基于MATLAB的模拟退火算法的实现

阐述了模拟退火算法的基本原理及实现过程,运用MATLAB语言实现了该算法.并将其运用到解决旅行商问题的优化之中.数值仿真的结果表明了该方法能够对函数进行全局寻优,有效克服了基于导数的优化算法容易陷入局部最优的问题.该方法既可以增加对MATLAB语言的了解又可以加深对模拟退火过程的认识,并达到以此来设计智能系统的目的.     

基于模拟退火算法的实现及应用

模拟退火算法是一种有效的全局优化算法。文章阐述了模拟退火算法的基本原理及实现过程,给出了模拟退火算法的基本算法步骤。最后,给出了利用MATLAB语言实现模拟退火算法运用的数值例子,计算结果表明其是一种有效可行的方法。     

模拟退火算法的一种改进及其应用研究

针对连续函数全局优化问题提出了改进的模拟退火算法：采用新的解扰动策略，并将局部极小化过程引入模拟退火算法．数值试验证实了该算法的可行性及有效性．作为该方法的应用，计算了著名的Lennard-Jones簇问题，通过比较说明新方法可以提高精度及成功率；此外对脑啡肽的空间结构进行了预测，也得到了较好的结果．     

基于MATLAB的动态规划常用算法的实现

运用MATLAB编程实现了动态规划的逆序、顺序、双向混合算法，并分别应用于求解几类典型问题，验证了该方法的有效性，同时表明该程序对求解动态规划多类典型问题是通用的，丰富了MATLAB优化工具箱，具有一定的应用价值．     

改进遗传模拟退火算法在多峰值函数优化中的应用

采用均匀变异算子及自适应最优保存的方法对遗传模拟退火算法进行了改进,并用MATLAB实现了改进算法中各算子的编程方法．实例证明该算法能够在多峰值函数优化中较快的收敛至最优解．     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

基于模拟退火算法的输电网中长期规划研究

模拟退火算法是一种解决组合优化问题的有效方法,其最终优化结果不依赖于初始解的选择,理论上可避免算法过早收敛于局部最小点,从而保证找到全局最优解或全局近似最优解．本文将模拟退火算法用于输电网中长期规划问题的研究,详细介绍了算法实现过程中各种参数的选择方法并给出了具体算例．试算结果表明利用该算法得到的优化结果是令人满意的．     

数学建模中优化模型的求解方法

介绍了运用MATLAB的优化工具箱来求解无约束最优化问题、线性规划优化问题、有约束非线性最优化问题及二次型规划问题的具体命令及其使用格式;还介绍了对比较复杂的优化模型,可以运用的最优化算法:神经网络算法、遗传算法、模拟退火算法、支持向量机和粒子群算法,该文给出了各个算法的运用思路或者具体步骤,方便读者参考引用。     

一种混合遗传模拟退火算法及其应用

分析了遗传算法和模拟退火算法的优缺点，提出了一种混合遗传模拟退火算法，对其进行优化，并将该算法应用于TSP问题的求解之中，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法和模拟退火算法．     

自适应变异的混合粒子群优化策略及其应用

提出了一种新的基于群体自适应变异和个体退火操作的混合粒子群优化（HPSO）算法．该算法将模拟退火过程引入到粒子群优化（PSO）之中，以PSO作为主体，先随机产生初始群体，并开始随机搜索产生新的个体．同时，使用自适应变异操作进行个体变异，对进化过的个体进行退火操作，以调整和优化群体．与模拟退火算法和基本PSO算法相比，HPSO保持了基本PSO算法简单、容易实现的特点，又能进行自适应变异．复杂函数优化和旅行商组合优化问题的实例验证表明，所提算法的全局收敛性较好，提高了摆脱局部最优的能力，有效避免了基本PSO算法的早熟问题．     

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.     

模拟退火神经网络模型在地下水质评价中应用

采用模拟退火算法与神经网络相结合的方法建立了地下水水质评价的SA-BP神经网络模型,并对阜新新邱露天煤矿地下水水质进行了评价.结果表明,模拟退火算法具有快速学习网络权重和全局搜索的超强能力,有效地解决了BP算法的局部收敛的问题.应用此方法评价地下水水质简便可靠,预测精度高,具有通用性和客观性等优点.     

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.     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

基于遗传模拟退火法的马斯京根方程参数估计

提出一种用遗传退火算法估计马斯京根方程参数的新方法，在遗传算法中融入模拟退火算法，在每一代群体产生后，对各个个体独立地进行模拟退火过程，以其结果再作为下一代群体的个体，避免了简单遗传算法容易提前收敛的缺陷以及模拟退火法搜索较盲目的缺点，应用实例表明方法简便，直观，可广泛应用于解决多种模型的优化问题，特别在洪水预报方面有很好的应用前景。     

贝叶斯网络结构学习的限制型模拟退火方法

模拟退火方法学习贝叶斯网络结构是一种以搜索最高得分函数为原则的智能优化方法.提出一种学习贝叶斯网络结构的限制型模拟退火方法.在该方法中,首先通过求解无约束优化问题得到一个无向图,然后使用模拟退火方法进行边及边方向的确定.由于搜索空间的规模减小,该方法比直接使用模拟退火方法学习贝叶斯网络结构的效率要高.     

模拟退火组合优化算法在油气储层随机建模中的应用

石油天然气的勘探与开发是一个涉及多学科的领域。各学科提供的资料观察方法不同,观察尺度不同(即承载大小不同),分辨率不同,可靠性不同。资料和知识的表达方式也不相同,既有数字化的资料,也有定性的描述。将各种资料综合在同一个储层定量化数值模型之中,是目前储层建模的趋势。文中讨论了在储层随机精细建模中使用模拟退火组合优化算法的方法和步骤,包括目标函数的构造、选择初始状态、抽样和扰动机制、退火策略参数的选择以及怎样综合多种类型的资料等问题。指出在储层建模中使用模拟退火优化算法有两方面的优点,即易于综合多种类型的资料;可以客观地再现储层变量的空间相关结构。其主要缺点是计算量大,有必要进行并行处理。     

基于改进SA-WOA算法优化热封刀温度控制系统PID参数的研究

套袋机热封刀温度通常采用PID算法进行控制,但是PID控制参数大多由人为经验设定,控制效果不佳.为解决这一问题,本文提出一种改进SA-WOA算法实现PID控制参数的自整定.首先我们利用阶跃响应曲线法建立系统的传递函数模型,再考虑鲸鱼算法以及模拟退火算法的优点,将两者进行结合;然后在此基础上对算法进行改进,提高算法的收敛速度以及优化效果;再将改进后的算法在MATLAB R2017b平台上进行仿真对比实验;最后,将仿真所得控制参数在套袋机上进行实验测试.仿真对比结果表明,相对于继电反馈算法、粒子群算法以及基于模拟退火的改进粒子群算法,本文算法优化所得参数控制效果更好.实测实验结果表明,本文算法所得参数控制效果良好,可以更好地满足实际的需求.     

退火单亲遗传算法求解旅行商问题及MATLAB实现

为了提高遗传算法求解较大规模旅行商问题的能力,在单亲遗传算法中引入两代竞争模拟退火选择操作,与倒位算子和插入算子相结合,同时加入保优操作,使遗传搜索效率、收敛速度都得到大幅提高,所花费时间、收敛迭代次数、最后结果明显优于一般遗传算法和单亲遗传算法.给出了用MATLAB实现算法的一些重要步骤和函数,并进行了简要说明.在仿真实例中,用一般遗传、单亲、退火单亲遗传算法对75个城市的TSP问题进行了求解,退火单亲遗传算法对280、535个城市TSP问题进行了求解.结果表明,退火单亲遗传算法最终所得结果最好,但收敛所花时间约为一般遗传的2.5%,单亲遗传的20%,迭代次数为一般遗传的20%,单亲遗传的25%.     

基于元胞退火算法的网络生存性研究

针对通信网络因链路失效而产生的网络拥塞问题,结合元胞自动机和模拟退火算法提出了一种新的网络生存性评价方法SACA(Survivability Algorithm based on Cellular Annealing).该方法首先给出了网络生存性定义,并且通过元胞演化规则来改进模拟退火算法中的变异和交叉操作,以此获得网络剩余数据传输量.同时,利用NS2和MATLAB进行仿真实验,深入研究了网络有效性与失效边数等影响因素之间的关系.结果表明,相比于其它算法,SACA算法具有较好的适应性.