用模拟退火算法求解无向排列的反转排序问题

分子生物学中基因无方向的反转基因组重排问题在数学上已被证明是一个NP-难问题.目前,较好的算法是Christie(2001)的3/2-近似算法.本文给出一种适合于计算基因无方向的反转基因组重排问题的模拟退火算法,定义了解的邻域结构.数据实验的结果表明该算法性能优于3/2-近似算法.     

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.     

改进的混合级联遗传算法

将模拟退火算法和级联遗传算法相结合,提出了一种改进的混合级联遗传算法。模拟退火算法承认物种进化过程中的局部失败和倒退,它允许进化中的波折而不是非要物种进化一直是上升的、成功的,模拟退火算法能使搜索过程避免陷入局部最优解。级联遗传算法假设问题的最优解总是靠近于问题的局部最优解的,据此,级联遗传算法通过不断缩小解空间达到快速收敛的目的。综合运用这两种算法,可克服模拟退火算法收敛速度慢、级联遗传算法局部搜索能力差的缺点。利用本算法构造CL多小波前置滤波器的实验结果表明,本算法不仅计算速度快,而且稳定性也得到了显著提高。     

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。     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解     

无向反转排序问题的遗传模拟退火求解

在推断两个基因组的进化关系上反转排序是一个重要问题.无向排列排序问题已被证明是一个NP-困难问题,目前,最好的算法是3/2-近似算法.基于一个无向排列π的反转距离等于由π所生成的包含2n个有向排列集Sign(π)中最优排列的反转距离,给出应用遗传模拟退火算法计算基因组重排的反转距离的方法.实验结果显示,这个方法优于3/2-近似算法.     

用模拟退火算法求解无向排列的反转排序问题

分子生物学中基因元方向的反转基因组重排问题在数学上已被证明是一个NP-难问题。目前，较好的算法是Christie(2001)的3／2-近似算法，本文给出一种适合于计算基因元方向的反转基因组重排问题的模拟退火算法，定义了解的邻域结构，数据实验的结果表明该算法性能优于3／2-近似算法。     

求解一类NP-HARD问题的一个快速算法

研究3-状态设备网络系统可靠性模型与模拟退火算法求最优解问题.对已有3-状态设备网络系统可靠性优化模型进行了分类,构造了一个新的系统可靠性优化模型,设计了一个模拟退火算法用于求近似最优解.计算机仿真表明,算法有效地给出了模型的近似最优解.     

货郎问题求解算法分析

介绍了求解货郎问题的4个算法：贪心算法、MST近似算法、MM近似算法和回溯搜索算法。分别使用各个算法对一个货郎问题的具体实例进行求解，并对各个算法的性能进行了分析比较。贪心算法的运行速度较快，但在大多数情况下该算法找到的是次优解而非最优解。MST和MM近似算法用以求解满足三角不等式的货郎问题，其近似性能比（即精确度）分别为：RMST（I）＜2，RMM（I）＜3／2。回溯搜索算法可以求出货郎问题的最优解，随着城市数目的增加，其搜索效率会下降。     

求图控制集问题的模拟退火算法的改进

图控制集问题要求确定任意简单无向图的最小控制集,是NP-难度的问题.本文针对已有的求解此问题的模拟退火算法进行了两个方面的改进:一是给出了一个更为合理的解的评估函数;二是提出了一个产生邻解的加权随机策略.仿真实验表明,改进后的模拟退火算法在稠密图的随机实例上明显提高了收敛速度.     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

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MATLAB的模拟退火算法的实现

阐述了模拟退火算法的基本原理及实现过程，运用MATLAB语言实现了该算法．并将其运用到解决旅行商问题的优化之中．数值仿真的结果表明了该方法能够对函数进行全局寻优，有效克服了基于导数的优化算法容易陷入局部最优的问题．该方法既可以增加对MATLAB语言的了解又可以加深对模拟退火过程的认识，并达到以此来设计智能系统的目的．     

基于GAPSO-SVM的航空发动机典型故障诊断

针对遗传算法（GA）和粒子群优化（PSO）算法优化支持向量机（SVM）存在容易陷入局部最优解、诊断精度相对较低、鲁棒性较差的问题,提出了一种结合GA、PSO、模拟退火算法的GAPSO优化算法,利用这种算法对SVM的参数进行了优化,优化后的算法能够较好地调整算法的全局与局部搜索能力之间的平衡.通过对航空发动机典型故障的诊断研究表明,该方法不仅能够取得良好的分类效果,诊断精度高于BP神经网络、自组织神经网络、标准SVM、GA-SVM,而且有较好的鲁棒性,更适合在故障诊断中应用.     

退火遗传算法及其在一维切割问题上的应用

针对标准遗传算法在解决优化问题中存在的问题,提出了改进标准遗传算法的退火遗传算法,并把该算法应用于一维最优切割问题上。通过与标准遗传算法求解一维切割问题的比较,验证了退火遗传算法的有效性。     

坦克发动机道路模拟测试平台轨迹寻优研究

坦克发动机道路模拟测试平台采用冗余构件多分支并联运动系统结构形式，满足了大负载、高灵活度、运动复杂的实际要求．鉴于系统结构形式的特殊性，论文采用结合个体定向漂移技术的基于邻域函数的尺度参数自寻优改进模拟退火算法，对此并联运动系统进行六维轨迹寻优解算，阐述了自寻优改进模拟退火算法，并将系统六维轨迹解算仿真结果与实验数据进行对比分析，在实践中得到成功验证．该方法将模拟退火的串行搜索机制与邻域函数混沌选择的并行处理机制进行了恰当结合，使算法不仅具有模拟退火算法的计算及存储量小、处理简单、寻优准确等优点，而且具有混沌选择遍历性和全局优化特性的优点．通过个体定向漂移技术提高了搜索效率，改善了邻域函数结构．     

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.     

模拟退火算法及其在非线性地学模型参数估计中的应用

分析了目前地理学研究中进行非线性模型参数估计的一些方法的局限,介绍了模拟退火算法的原理及基于Metropolis准则的算法,进行了实例的应用研究。研究结果表明,模拟退火算法是估计非线性模型参数的一种有效算法;在地理学的其它优化问题研究中也将同样有着重要的应用价值。     

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．     

模拟退火算法机理研究

从机理上分析了采用Metropolis概率接受准则的重要性 ,认为按照该准则可以使模型跳出局部极小值 ,避免了落入局部极小点的可能 ,然后在退火计划的控制下模拟退火算法 ,最终可以找到最优解 ;深入分析了算法的退火计划和模型扰动 ,以及两者之间的配合的技巧 ,认为算法本身可以作进一步的改进 ;并提出了改进的思路 ,为下一步的具体改进打下了基础