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。     

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.     

基于模拟退火算法的敏捷化制造单元重构方法

根据单元重构的一般定性准则，提出了两个定量指标，有效地对单元重构目标进行了量化．根据这两个定量指标，构造了单元重构的目标函数，从而将单元重构问题改造成了一个多目标组合优化问题，并采用了模拟退火方法进行求解．克服了其他方法不一定有解以及受初始条件限制很大等问题．     

模拟退火算法及其在多层密度界面反演中的应用

模拟退火算法是以固体退火过程为物理背景的全局优化算法,具有全局寻优的能力,是一种有效的非线性组合优化算法。模拟退火反演算法实质是利用了地球物理反演问题求解过程与熔化固体退火过程的相似性,模拟其达到最低能量状态为系统目标函数的最优解。本文概要地介绍了模拟退火法的基本原理,解的接受准则,模拟退火法的实现方法、特点及其局限性。总结了近年来对模拟退火方法进行的改进,并给出了模拟退火法在多层密度界面反演中的实例。     

改进的模拟退火方法及其在电阻率图像重建中的应用

实际中的大量地球物理反演都是一个多参数,非线性优化问题,以往的局部方法只是利用有限的信息来改进初始模型,因此对初始模型有很大的依赖性,难以得到全局最优解,针对这一问题,本文选择全局反演方法中的模拟退火和单纯形的组合算法,改进了模拟退火和单纯形算法的匹配技术,并将它引入到电阻成像反学问题中。     

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．     

模拟退火算法在贷款组合优化决策中的应用

针对贷数组合优化决策模型的求解问题，以模拟退火算法为基础，利用设置记忆器和在算法后链接一个局部搜索过程的方法，对原有算法进行了改进。该算法可在求解大规模组合优化问题的迭代过程中实现快速调整，以兼顾解的质量和运行时间，快速找到最优解，克服了原有算法的随机性。数值计算结果表明，该算法具有很强的适用性。     

集成电路设计中布线问题的模拟退火算法

模拟退火算法是解决组合优化问题－特别是NP完全问题的最有效的算法之一，它通过独特的在一定的概率下接受恶化解的机制，使算法跳离了局部最优的“陷阱”，利用模拟退火能够实现集成电路布线的优化。     

基于均匀布点的模拟退火算法

把实验设计中的均匀设计思想引入模拟退火，提出了一种基于均匀设计变量的模拟退火优化方法。该方法根据均匀设计原理在优化模型的设计变量空间内均匀分布一系列点，然后，将可行域内的上述系列布点作为优化计算的系列初始点，并运用模拟退火算法，分别开始进行优化计算，得到优化模型的一系列局部最优点。最后，比较所有局部最优点的最优值，即认为在一定程度上获得了该优化问题的全局最优解。该算法可求取非线性多峰函数的全局最优解。编制了计算程序，给出了计算实例，计算结果表明该设计方法是可行的。     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

单向SDH/WDM环中业务量疏导和波长分配

将单向同步数字序列/波分复用（SDH/WDM）环网络中的波长分配和业务量疏导表述为组合优化问题；通过对距离依赖业务量疏导问题的理论分析，得到一个该问题需要使用同步数字系列插分复用器（S-ADM）数量的下界DLB；运用模拟退火法对距离依赖业务量和均匀业务量的业务量疏导问题进行了数值求解，结果表明，数值结果与DLB非常接近；对均匀业务量情况，模拟退火法比贪婪算法能得到更好的结果。     

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．     

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。     

用神经网络新方法求解图的最大独立集问题

在Ｈｏｐｆｉｅｌｄ神经网络优化方法的基础上,根据模拟退炎算法逃离局部最优解的原理,提出了一种神经网络计算的新方法,并用这种方法求解图的最大独立集问题。结果表明,该方法获得最优解比Ｈｏｐｆｉｅｌｄ神经网络优化算法获得的解要好,且所需时间比模拟退火算法少得多。     

物料配送和废旧产品回收的VRPSDP问题的并行模拟退火算法

为了求解面向制造领域物料配送和废旧产品回收的同时送取货的车辆路径优化问题(VRPSDP),提出一种主从式并行模拟退火算法代替传统的串行模拟退火算法.算法首先使用剩余承载力和径向附加费(RCRS)算法求得初始解,然后在并行模拟退火算法框架下使用4种邻域搜索方法对初始解进行优化.最后,选取国际上通用的Montane和Galvao测试数据集(18个顾客数为100～400的测试问题)对算法性能进行测试,与文献中其他5种算法的比较显示,提出的并行模拟退火算法总体性能较优.     

基于直觉模糊与模拟退火遗传算法的多阶段任务军机选派模型

面向战训任务科学合理选派军机是确保任务成功性的重要支撑。针对多阶段任务军机选派问题具有的不确定性评估、组合优化特点，在构建任务军机适战能力评估指标体系的基础上，基于直觉模糊与群层次分析法确定不同任务科目的军机适战能力；然后，以最大化多阶段任务体系适战能力为目标，基于模拟退火遗传算法实现了多阶段任务军机组合优化选派。通过实例分析，验证了模型方法的有效性，为部队多阶段任务军机选派提供决策支撑。     

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.     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究，给出了一种较为实用的具体的模拟遗传算法，该算法融合了遗传算法和模拟退火算法的优点，兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作，也有模拟退火算法中冷却进度表和接受概率等寻优控制技术，可以更好地实现板材下料问题的快速求解。     

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．     

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。