一种改进的模拟退火算法求解0-1背包问题

从增强算法收敛性和减少参数依赖性的角度出发,提出应用改进的模拟退火算法求解0-1背包问题.对模拟退火算法有所改进,并有效地克服它的弱点,使其在优化性能,优化效率和可靠性方面有明显的优越性.阐明了用该算法求解0-1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,该算法在求解0-1背包问题优于传统的模拟退火算法,并且得到更有效的近似解.     

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．     

二进制改进粒子群算法在背包问题中的应用

提出了用于求解0 1背包问题的二进制编码的粒子群算法,阐明了该算法求解背包问题的具体实现过程.为了提高粒子群算法的收敛速度,在传统的二进制编码的粒子群算法中嵌入了记忆功能.通过对其他文献中仿真实例的计算和结果比较,表明该算法在寻优能力、计算速度和稳定性方面都超过了文献中提到的遗传算法和模拟退火算法.提出的求解背包问题的二进制改进粒子群算法,同样可以应用于其他离散优化问题.     

基于人类进化算法的背包问题求解方法

背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷．人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法．为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程．试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率．     

改进的单亲遗传算法在TSP问题中的应用

本文提出了求解旅行商问题(TSP)的一个改进的单亲遗传算法。首先,定义了距离系数的概念,并据此设计了一种新的贪心基因段交换算子;同时结合一个模拟退火和2OPT局部搜索技术来改进该算子;然后,在此基础上提出了一个求解旅行商问题的一个新的单亲遗传算法。计算机仿真结果表明,该算法是有效的。     

基于直觉模糊熵的粒子群模拟退火算法

针对智能算法在解决大规模0-1背包问题时易陷入局部最优解、收敛速度慢的问题,提出一种基于直觉模糊熵的粒子群-模拟退火算法(IFEPSO-SA)。采用交换操作和模拟退火机制对粒子群算法中的局部最优解二次优化;然后,以种群直觉模糊熵(IFE)为测度,自适应改变惯性权重,并对种群进行变异操作。测试结果表明,IFEPSO-SA在解决大规模0-1背包问题时有较好的求解质量;仿真实验结果表明,IFEPSO-SA与基于直接模糊熵的粒子群算法(IFEPSO)相比,熵值波动较小,反映出IFEPSO-SA有更好的局部搜索能力,并且IFEPSO-SA在算法收敛速度和求解质量方面都优于IFEPSO以及经典的粒子群算法和模拟退火算法。     

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．     

基于遗传算法求解0—1背包问题的算法探讨

0-1背包问题是一类典型的组合优化问题,并且是NP完全问题,具有重要的研究意义.介绍了贪婪算法和基本遗传算法求解背包问题的设计思想,提出了基于贪婪算法的混合遗传算法求解0-1背包问题.实验结果表明改进的遗传算法有更好的近似解.     

用基于模拟退火算法的进化策略求解非线性方程组

针对传统的非线性方程组求解算法如梯度下降法和牛顿法,存在着其收敛性问题,性能特征在很大程度上依赖于初始点和串行运行造成效率低等问题;该文提出了一种并行求解非线性方程组的基于模拟退火算法的进化策略,在改进的进化策略运行中融入模拟退火算子,实现了模拟退火良好的局部搜索能力和进化策略全局搜索能力的结合,有效地解决了传统算法的初始点敏感和效率低的问题,数值计算结果表明,该算法收敛速度快、精度高、鲁棒性强,为求解非线性方程组提供了一种有效的方法.     

一类扩散方程参数算子识别反问题的模拟退火算法

文章给出了利用模拟退火算法求解一类扩散方程的参数算子识别反问题的一种新方法。该方法把对于参数算子识别反问题转化为优化问题并用模拟退火算法进行求解。在Matlab语言环境下实现了该算法,并且与其他文献中用遗传算法求解的例子进行比较。数值模拟结果表明,该算法同样具有可行性和有效性,并且具有较高的精度。     

加入局部搜索的非劣分层多目标遗传算法

针对非劣分层多目标遗传(NSGA)本身所存在的局部搜索能力和易早熟的问题,鉴于模拟退火算法的局部搜索能力强和在解决易早熟问题上的优势,提出了加入局部搜索的多目标遗传算法及适用于多目标优化的模拟退火局部搜索算法和跳转准则,即在NSGA的每一代个体中的1层、2层非劣解附近进行模拟退火局部搜索.该算法能够提高非劣分层多目标遗传算法的效率,弥补了遗传算法中局部搜索能力差、易早熟的缺点.最后给出的仿真结果表明了这种算法的有效性.     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

求解背包问题的并行混合遗传算法

针对基本遗传算法在求解大规模问题时，收敛速度缓慢、容易早熟的现象，借鉴生物区域性进化的原理，设计了一种基于星型迁移策略的并行混合遗传算法（Parallel Hybrid Genetic Algorithm，简称PHGA）．该算法采用高效的超贪心算子进行解码，使遗传进化过程从多个平均适应度较高的文明群体开始进化，并采用定期将各群体的最优个体输出给其他群体，使得最优个体共享，促进所有群体共同进化的共产主义迁移策略．在PVM环境下，对背包问题进行求解的实验，已取得超线性的加速比，并改进了解质量．     

基于集合覆盖的异构有向传感网寿命优化策略

在由感知半径、感知角度和携带能量不同的有向传感器节点组成的异构有向传感器网络中,对满足优先级不同的监测目标有不同覆盖要求条件下的网络寿命最大化问题进行研究。利用集合覆盖的思想,将有向传感器节点划分为满足目标覆盖要求的集合,通过集合之间的切换来达到延长网络寿命的目的。首先证明本文问题是NP-hard问题,然后利用改进的和声搜索算法进行求解,一方面引入带有混沌参数的微分变异因子,改进种群的多样性;另一方面,与模拟退火算法结合增强算法的局部搜索能力。同时为对比算法性能,提出一种贪婪算法。仿真结果显示:较之原始和声搜索算法和贪婪算法,改进和声搜索算法能有效延长网络的寿命,证明了改进算法的有效性。     

一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。