模拟退火算法在求解组合优化问题中的应用研究

文章给出了模拟退火算法求解组合优化问题的实现步骤,并提出了一种相邻状态的产生函数和迭代方案,通过实例计算并分析了模拟退火过程的起始温度、终止温度以及降温速度等参数对优化计算的影响。结果表明,模拟退火算法中各个参数值的选择和设置对运行的结果和效果有较大影响。     

模拟退火算法及其改进

介绍了模拟退火算法的背景、原理和具体实现方法，分析了它的不足之处，讨论了它的改进措施，并进行了仿真实验验证。     

用有指导的进化模拟退火法解组合优化问题

基于模拟退火和模拟进化思想，提出了一种解决组合优化问题的新方法；有指导的进行模拟退火法。该方法允许问题的多个解同时存在，这些解之间朝霞避部或全部的比较和竞争，然后指导越来越多的搜索进入可行解的范围内，用ＧＥＳＡ方法求解两个典型的组合优化问题；旅地商和作业调度问题。结果表明，此方法优于单纯的模拟退火方法。     

模拟退火法在协同优化中的应用

为解决传统标准协同优化算法经常无法收敛和容易陷入局部最优等缺陷,提出一种基于模拟退火法的改进协同优化算法.该算法在继承标准协同优化算法并行自治优点的前提下,首先系统级由全局模拟退火算法和梯度算法相结合的组合优化策略代替单优化算法,其次根据优化具体情况引入动态松弛因子,以此来保证优化的全局性和精度.通过两个典型的MDO测试算例对改进的协同优化算法进行验证,优化结果表明,改进的协同优化算法具有更好的精度、收敛速度和稳定性.     

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。     

一种求解多处理机调度问题的新算法

多处理机调度问题是“算法设计与分析”中的基本问题之一,它是一个NP问题.本文介绍了模拟退火技术,给出了求解多处理机调度问题的有效算法.该算法通用性强,效率高,其基本原理可广泛应用于求解大规模的组合优化问题.     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题,传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题,该文采用多重参数化方法处理最优控制问题,非可微精确罚函数方法处理约束条件,引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性,优于遗传算法以及序列二次规划等经典优化算法。     

改进的模拟退火算法在L—J问题中的应用

针对高维连续函数的全局优化问题,笔者将两种确定性局部极小化过程分别引入到模拟退火算法当中,并将该算法应用到Lennard-Jones簇问题中.通过结果比较说明该算法可以提高计算的精度和成功率,并且Hooke-Jeaves方法在处理复杂的函数问题时比单纯形法有效.     

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。     

模拟退火算法在图片优化排版中的应用

图片优化排版是一种特殊的二维下料问题,属于NP-Complete.传统算法只考虑直线切割,不考虑更复杂的套裁方式.本文针对排版问题的特殊性,在几何数据结构上,采用空闲块算法描述复杂的套裁方式;在优化算法上,使用模拟退火算法进行迭代.实践表明,算法的优化效果是令人满意的.     

最优证券投资组合的蜂群算法

为求解证券投资组合问题,基于蜂群觅食规律提出一种蜂群算法.分析了算法寻优原理,给出了算法的实现流程,并在计算机上予以实现.经大量仿真试验,验证了算法的可行性和有效性.     

和声模拟退火算法及其在旅行商问题中的应用

分析了模拟退火与和声搜索算法各自的特点和缺点,结合两者的优缺点提出了一种新的和声搜索与模拟退火算法的组合算法,将新的算法应用到旅行商问题(TSP)求解.实验结果表明,改进的算法具有更快的收敛性同时能得到比较好的结果.     

柔性作业车间调度优化的改进模拟退火算法

针对柔性作业车间调度问题,提出一种改进模拟退火算法来进行求解。该算法引入粒子群算法中的基于位置取整和基于轮盘赌两种个体编码方法,并采用3种不同的局部搜索方法来构造个体的邻域结构。算例计算表明,改进模拟退火算法在求解柔性作业车间调度问题时,比粒子群算法、混合粒子群算法以及模拟退火算法具有更好的求解性能,其中采用轮盘赌编码时,算法的求解性能要优于采用位置取整时的求解性能,且基于互换的局部搜索方法要优于其他两种局部搜索方法,能更有效地改善算法的求解性能。     

基于AHP的蚁群算法在房地产投资组合中的应用

以房地产开发企业为背景,提出多项目投资过程中对地段的选择问题。为分散投资过程中的非系统风险,将层次分析法(AHP)与蚁群算法相结合建立了多项目地段选择优化数学模型,并进行求解,为房地产开发项目组合优化提供了新方法。通过实例验证了基于AHP的蚁群算法的有效性。     

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．     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

模拟退火算法解决静态受限路由问题的研究

随着人们对网络的要求日益多样化，传统的无约束路由方式已经不能满足用户的需要，受限路由受到越来越多的重视。应用模拟退火算法解决了光网络中的静态受限路由问题。研究了模拟退火算法在解决问题过程中存在的过早收敛问题并分析了其原因，提出了相应的改进方案。实验结果表明，模拟退火算法在解决此类问题中的过早收敛情况可以被有效解决。     

基数约束的投资组合优化问题的遗传算法及实证分析

研究带有基数约束的投资组合优化问题的均值方差模型,给出了基于优先权编码的遗传算法及求解步骤.基于沪深股市20种股票的实际交易数据进行实证分析,结果表明,本文给出的遗传算法是成功的、有效的.     

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%.