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．     

启发式技术在园区网络性能优化中的应用

提出了一种采用启发式技术用于网络组合优化的思想．通过确定网络适合度函数，在合理时间内求解最优解或准最优解，能自动地对网络进行合理分割．通过模拟聚类、遗传算法（ＧＡ）、模拟退火（ＳＡ）等三种方法在网络划分中的应用，在一定条件下，ＳＡ的性能最优，ＧＡ次之．研究结果表明，用此方法是行之有效的．     

智能混合优化策略及其在流水作业调度中的应用

通过结合蚁群算法(ACO)的并行搜索结构和模拟退火算法(SA)的概率突跳性,提出了一种有效的混合优化策略,并将该策略应用于流水作业调度问题(FSP)．在该策略中,蚁群系统的一个周游路线为模拟退火算法提供了一系列初始解,在每个退火温度上进行抽样准则检验并产生新解,然后更新信息激素;蚁群算法再利用模拟退火算法产生的新解进行并行搜索．同时,根据此策略构建并实现了针对FSP问题求解的具体混合算法．仿真结果表明,混合算法弥补了ACO易陷入局部最优和SA搜索效率较低的缺点,增强了全局搜索能力,在求解FSP调度问题的性能上也优于其他算法。     

GA－Simplex与区域收缩的研究

在实现标准基因算法的基础上，用ＧＡ－Ｓｉｍｐｌｅｘ代替ＧＡｓ中的交叉和变异构成一种新算法，详细探讨了以何种方式在群体中选取个体进行ＧＡ－Ｓｉｍｐｌｅｘ操作，找到了一种较理想的方式，并从基因操作的内在机制进行了分析．进而构造了一种混合式方法，使计算速度和效果大为改善．然后详细研究了在ＧＡｓ的迭代循环中如何适时进行区域收缩．最后引入适值调整，找到了一种循环次数少、计算时间短、求解结果令人满意的ＧＡｓ算法     

基于改进的模拟退火算法求解0／1背包问题

提出了一种改进的具有变异和倒位算子的模拟退火算法,并将其用于求解0／1背包问题,其性能较标准模拟退火算法和贪心算法都有很大的改善．通过大量的数值实验,证明了文中改进的模拟退火算法求解背包问题的有效性和实用性．     

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。     

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．     

期权定价的模型和最优策略

在期权定价的Ｂｌａｃｋ－Ｓｃｈｏｌｅｓ模型的基础上，建立了期权定价的分布参数模型。在期权到期日期权价格最高的目标下，将问题转换为非线性规划问题，设计了模拟退火求解期权定价的方法。最后，应用模拟退火算法，求解贴现价格、履约价格。结果表明，上述工作对于期权定价问题的研究具有理论意义和实际意义。     

终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

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。     

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.     

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。     

基于非均匀采样的模拟退火随钻电磁波电阻率测井检波系统研究

在以往的随钻电磁波电阻率测井仪器检波系统中,仪器采样过程大多为均匀采样,检波方法多采用数字相关法或数字相敏检波(DPSD)法,其检波结果往往受采样量化误差以及频谱泄漏影响。针对这一问题,提出一种基于非均匀采样的模拟退火(SA)检波方法,并研制快速检波电路系统,选取基于均匀采样的DPSD检波结果进行对比。结果表明,基于非均匀采样的SA检波方法选频能力强,能更加有效地抑制量化误差相关性以及频谱泄漏带来的检波误差,更适用于恶劣多变环境下的随钻测井仪器检波。     

基于多重网格的模拟退火算法

为了提高模拟退火算法的收敛速度,提出了一种基于多重网格的模拟退火算法（SAM）,用于求解高维函数优化问题,并分析了其收敛性．13个著名的测试函数对SAM算法进行数值实验,结果表明SAM算法具有良好的搜索能力和收敛速度．     

基于模拟退火算法(SAA)求解列车控制问题

提出了一种解水平轨道的列车节能控制问题的算法 ,该算法考虑了无限制速度和有限制速度两种情形 ,并基于模拟退火算法、动态罚函数法。     

Solving geometric constraints with genetic simulated annealing algorithm

This paper applies genetic simulated annealing algorithm (SAGA) to solving geometric constraint problems. This method makes full use of the advantages of SAGA and can handle under-/over- constraint problems naturally. It has advantages (due to its not being sensitive to the initial values) over the Newton-Raphson method, and its yielding of multiple solutions, is an advantage over other optimal methods for multi-solution constraint system. Our experiments have proved the robustness and efficiency of this method.     

两级选址--路径问题的大规模邻域搜索模拟退火算法

针对目前越来越普遍的多级配送模式,建立以总成本最小为目标函数的两级选址-路径问题模型,并提出了大规模邻域搜索模拟退火算法进行求解.在模拟退火算法框架中,嵌入大规模邻域搜索过程,包含破坏、重组和局部搜索方法,从而进一步提高算法在解空间中构建邻域的范围.采用两级选址-路径问题标准算例对算法求解效果进行验证,并与标准模拟退火算法和国际已知最优解进行对比.结果显示,所建模型和算法正确有效,并且在求解大规模问题时算法能够取得相对更好的优化结果.     

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.     

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。     

基于参数估计的遗传程序设计方法

在遗传程序设计算法中 ,针对应用传统的遗传程序设计方法 ( Genetic Programming,GP)解决符号回归问题所遇到的困难 ,嵌入一个基于模拟退火思想的参数估计过程 ,得到更为精确的参数和个体结构 .实验表明 ,此方法提高了 GP系统求解问题的能力