基于贪心法的排课算法

一直以来,最优解的排课算法的时间复杂度大多是排课规模的指数阶。文章把贪心法应用于排课算法中,得到排课最优解的多项式算法。     

浅谈模拟退火算法在自动排课系统中的应用

开发一套排课系统,关键技术是采用何种算法,算法的好坏决定排课的速度、成功率及合理性。本文从模拟退火算法的原理、基本思想入手,介绍了模拟退火算法在排课系统中的应用及具体实现,分析并比较了模拟退火算法和常用算法的利弊。     

浅谈模拟退火算法在自动排课系统中的应用

开发一套排课系统,关键技术是采用何种算法,算法的好坏决定排课的速度、成功率及合理性.本文从模拟退火算法的原理、基本思想入手,介绍了模拟退火算法在排课系统中的应用及具体实现,分析并比较了模拟退火算法和常用算法的利弊.     

基于改进模拟退火算法求解TSP问题

对传统模拟退火算法的原理和不足进行分析,针对TSP问题的特点提出了改进的模拟退火算法.就传统模拟退火算法生成新解的随机性太强、参数设置不当不能搜索到全局最优解、容易丢失当前最优解等问题提出了新的初始解选择方案、新解生成机制和当前解的改良及增加记忆功能等方法.实验结果表明,新算法传统的模拟退火算法具有更快的收敛速度和更高的稳定性.     

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。     

智能排课算法综述

首先介绍了排课问题, 分析了基于遗传算法、蚁群算法、模拟退火算法和免疫算法等智能排课算法的基本原理及其算法特点, 并对智能排课算法的未来发展做了展望.     

智能排课算法综述

介绍了排课问题,分析了基于遗传算法、蚁群算法、模拟退火算法和免疫算法等智能排课算法的基本原理及其算法特点,并对智能排课算法的未来发展做了展望。     

使用模拟退火算法解课表问题

给出一种使用模拟退火算法（ＳＳＡ）来解课表问题的方案，详细地讨论了方案涉及的各种问题，包括目标函数和初解的确定，邻域和新解的产生方法，初始“温度”的确定和“温度”更新的方式，内循环次数及算法终止条件的确定等，章的最后给出了该方案的一个实例和若干性质分析。     

排课的遗传算法

把遗传算法应用在排课问题中。主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取遗传算法的迭代参数，能加快获得最优解或近似最优解的收敛速度。     

模拟退火算法在排课问题中的应用

针对课表问题的具体特点,使用以课程作为排课算法的研究主体的思路,设计了一个模拟退火算法,解决了给定时间问题和不定时间问题的课程表的优化编排问题,并对生成的课表提出更具体的优化目标,通过设计合适的优化函数来实现这些目标,取得了较好的运行效果.     

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。     

基于模拟退火算法的中超赛程编排优化研究

为了促进赛事的公平性、实现人性化的赛程编排设计,同时达到减少出行里程、节约资源、保护环境的目的,采用计算机辅助建模的方法,对中超赛程编排进行优化研究。假设以总体出行里程最短、兼具赛程的公平性和设计的人性化为优化目标,以百度地图提供的球队所在城市间的距离数据为依据,通过改进模拟退火算法对2015年中超赛程编排进行优化,运用Matlab求解得到最优方案。结果表明:在最优赛程安排下得到的各支球队最优出行里程为5.022×10~5 km,相对2015年中超的实际赛程编排总里程减少了12.08%,由此节省燃油14.50t,减少排放二氧化硫43.9kg,对大气中二氧化硫减排的贡献率为11.11%,节约资金91 467.4元。该结果可以为中超实际主客场赛程编排的优化提供参考。     

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.     

基于遗传模拟退火算法的移动机器人静态路径规划

采用多边形法描述了机器人的工作环境模型,应用简化编码长度的技术简化了工作路径编码方式.对于基于遗传算法产生初始路径种群后的各路径的适应值进行评价.经过多次交叉、变异,并借助模拟退火中Metropolis算法的随机移动准则制定了高效的温度更新函数,获得了从起始点到目标点的一条全局最优路径.最后在Visual C++环境中通过仿真验证了此算法的可行性和高效性.     

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。     

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．     

Solving the multiple sequence alignment problem based on simulated annealing algorithm

The multiple sequence alignment problem (MSAP) is one of the most difficult problems in computational molecular biology. In this paper, we describe the optimization model and the neighborhood structure on the MSAP, then propose a scheme to solve the MSAP using Simulated Annealing Algorithm. Experiment shows that the scheme is effcient.     

改进模拟退火算法在图像配准中的研究

为了实现图像的配准，提卅了使用模拟退火算法求解2幅图像的最佳匹配参数，然后对待配准图像进行变换，从而达到配准目的．实验表明，该方法对平移、旋转的2幅图像具有较高的配准精度和初值鲁棒性，其中的改进算法，即单纯形一模拟退火算法可以使优化解不陷入局部极值而获得全局优化解，具有更高的配准精度，同时也大大提高了运算效率．