用模拟退火差异进化算法进行匹配场反演

分析了模拟退火算法与差异进化算法单独应用于匹配场反演时的局限性，构造一种结合两种算法优点的混合算法。模拟退火算法对差异进化算法的种群进行扰动，保留了差异进化算法的并行特性；在差异进化算法中引入模拟退火算法的重要性抽样思想，增强其逃离局部最优的能力，差异进化算法对目标函数梯度信息的利用仍然保留。仿真研究表明，混合算法在寻优时间与效率上达到了较好的平衡。     

协同粒子群-模拟退火算法求解VRPSPD问题

研究逆向物流车辆路径(VRPSPD)问题,建立了VRPSPD问题的混合整数规划模型.利用启发式算法的特点构造求解VRPSPD问题的一种协同PSO_SA算法,设计了该算法初始种群的编码规则、信息交换策略、2-opt邻域解生成策略和SA算法中的冷却进度表规则.实验过程以典型算例为例进行了实验,并对重要参数进行了分析.实验结果表明,该算法对于求解VRPSPD 问题,可以有效提高车辆的负载使用率,避免因负载波动和最大负载能力约束而增加车辆总行程,在可以接受的迭代次数限制内可以收敛到满意解.     

基于模拟退火算法求解VRPSPDTW问题

在经典的车辆路径优化问题的基础上,考虑顾客有同时取货和送货的需求,且每个顾客都有独立的时间窗,研究带时间窗和同时取送货的车辆路径问题(VRPSPDTW)。提出模拟退火算法求解该问题,算法使用Residual capacity and radial surcharge(RCRS)算法求得初始解,通过模拟退火过程和4种局部搜索方法(路径内搜索:2-opt法和or-opt法;路径间搜索:swap/shift法和2-opt*法)进行优化,并选取Wang和Chen测试数据集中的15个算例对算法性能进行测试。测试结果表明,提出的模拟退火算法优于Wang和Chen的遗传算法,能有效地求解VRPSPDTW问题,并且可以被灵活的扩展解决其他车辆路径问题和组合优化问题。     

基于模拟退火的复合嵌套分割算法

介绍了嵌套分割算法(NP)的基本思想,从理论上分析了NP算法的计算效率,提出了提高其优化效率的途径。介绍了模拟退火算法(SA),并将模拟退火的思想引入嵌套分割算法的抽样和选取算子中,给出了复合嵌套分割算法(SANP)的具体寻优思路,SANP算法将嵌套分割算法的全局寻优能力和模拟退火算法的局部搜索能力结合起来,具有可行性和科学性。通过一个优化算例验证表明,该算法大大提高了计算效率和收敛速度。     

混合遗传-模拟退火算法在公交智能调度中的应用

公交行车调度是公交企业运营的核心内容，关系到公交企业的经济效益与社会效益。兼顾企业与乘客的利益建立了公交车辆行车计划模型，将遗传算法与模拟退火算法相结合组成混合遗传．模拟退火（GA-SA）算法，并对公交行车调度进行优化。实例仿真计算表明该算法具有比标准遗传算法更好的效率，是优化公交调度问题的一个有效途径。     

模拟退火算法求解最短路径填挖问题

在大型的工程和建筑项目中，经常要进行场地平整工作。这引出了一个最短路径填挖问题，目标是找到一个最小车辆路径，使得整个施工过程的总运输距离最短。该问题属于NP—hard问题。本文采用模拟退火算法求解该问题。最后通过算例计算，并同贪婪算法的求解结果进行比较，验证了模拟退火算法的高效性。     

目标分配的蚁群-模拟退火算法及其改进

直升机编队的对地攻击过程中,目标分配是实现作战任务的重要条件。确定了直升机目标分配的优势度计算方法以及目标分配的原则。利用蚁群-模拟退火算法实现了直升机对地攻击的目标分配过程,并针对分配过程中,采用综合优势度最大来确定最优路径所出现的不足对算法进行了改进,即根据信息素的积累量来确定最优路径,能够综合考虑信息素浓度与优势度的影响,避免了为达到全局最大优势度而出现的个体分配效益不好以及收敛缓慢的情况。实验结果表明,改进的算法效率更高,收敛的速度较之前更快,分配结果更趋合理。     

用模拟退火算法求解有顺序约束指派问题

首先对有顺序约束指派问题进行分析.接着把这一特殊的指派问题用有向无回路图表示出来,从而使指派问题的求解转化为求解有向无回路图的划分问题.针对划分问题,构建了一种特殊的邻域结构,并设计出基于此邻域结构的模拟退火算法.最后,通过一个实例对算法的关键环节进行演示,通过另一个实例把模拟退火算法同禁忌搜索算法进行比较,结果表明该算法能够有效解决此类问题.     

基于模拟退火-强化学习算法的船舶运动控制

船舶运动控制与航行的安全性、可操纵性和经济性密切相关。本文基于模拟退火-强化学习算法提出了一种混合智能控制器,应用于船舶运动航向控制中。这种混合智能控制器发挥了各种智能算法的优势,能够克服风、浪、流等外界的干扰,船舶操纵自身的不确定性,以及干扰或仪器测量误差情况下,精确的训练数据不容易得到的缺陷。最终的仿真结果表明,当存在风浪干扰海况下,船舶航向的控制仍能取得令人满意的效果。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

物流设施选址问题的双层模拟退火算法

设施选址问题的相关优化模型的本质,都是在最小化相关费用的前提上,从可选设施集合中确定设施的修建位置,并分配用户的需求,即都必须进行选址决策和需求分配决策.本文主要根据设施选址问题的特点,设计了适合求解一般设施选址问题的通用型双层模拟退火算法,算法的外层对设施选址决策进行优化,内层则在上层确定的设施选址决策基础上,进行用户需求分配的优化.最后的多个算例证明了相对其他优化算法,双层模拟退火算法不但收敛速度快,而且能求取更高质量的最优解.     

退火进化规划算法及其收敛性

基于排序的选择方式在一定程度上会导致种群搜索范围变窄,进化规划算法过早收敛。针对此问题,将退火概率与适应度结合的选择方式引入进化规划算法的选择操作,形成了退火进化规划算法(AEP)。然后利用非时齐Markov链对退火进化规划算法进行了描述,并证明了其全局收敛性。数值实验表明,退火进化规划算法能保证种群的全局收敛性,且收敛速度较快,可较好地避免早熟收敛和局部极值。     

DEDS的模拟退火仿真优化方法

本文对模拟退火优化方法进行了修改,使它能较好地适应于DEDS的仿真优化研究.文中对两种优化状态下,仿真目标值之差的估计误差性质进行了分析,并对修正后算法收敛的最优性进行了理论证明。     

基于联合视角的项目支付问题及其模拟退火启发式算法

从合同双方的联合视角出发,研究项目支付进度问题。其中,支付与项目事件相联系,任务是合理地安排支付事件、活动执行模式及事件发生时间,以使合同双方的共同收益最大化并使二者都能接受相应的安排。在对问题进行界定的基础上,构建由两个子模型构成的优化模型。针对问题的强NP-hard属性,设计包含两个子模块的模拟退火启发式算法,并在随机生成的标准算例集合上对算法进行测试,结果表明,该算法是求解问题的有效算法。最后,用一个算例对研究进行说明,得到如下结论:如果合同双方均按自身偏好进行决策,那么将会导致一种双输的结果;如果他们能够相互合作和协调,那么都可从项目中获得更高的收益。本文的研究可以为合同双方关于项目支付进度安排的谈判提供决策支持。     

城市交通连续平衡网络设计问题的模拟退火算法

对城市交通连续平衡网络设计问题作一简要介绍。建立该问题的双层规划模型。针对该问题．构建一种特殊的邻城结构．并设计出基于此邻城结构的模拟退火算法。通过一个实例对算法进行验证．并同其他算法进行比较．结果表明模拟退火算法的计算结果较精确．但相应的计算量增加。但该算法用于大型网络设计问题时．其优势则会有明显体现。     

交通网络设计的优化模型及算法

通过对交通网络设计的问题及其研究现状的分析．对离散型交通网络设计问题进行了深入的研究。采用双层规划模型描述问题．其中上层规划模型是从交通规划者的角度出发．在建设资金受到约束的前提下．设计合适的路网结构．使得公路网中的交通出行能达到系统最优；而下层优化模型则是从路网使用者的角度出发．使交通出行达到用户最优，针对该双层规划模型．本文对上层模型使用SA算法求解．而下层模型则采用了基于路径搜索的GP算法进行求解．以此为基础设计了SA—GP算法对其进行求解。算例计算的结果表明．模型和算法都是有效的，求取的结果能显著改善路网的交通情况．而且上下层算法的收敛速度快，从而能为路网规划决策提供支持。     

考虑库存控制的物流网络设计优化模型与算法

研究同时考虑库存控州策略和物流网络优化设计问题的优化模型和算法。在考虑顾客的需求量都是随机且服从正态分布的前提下，结合最优库存控制策略，提出了一个能同时描述库存决策和物流网络设计决策的非线性混合整数规划的优化模型，井设计了相应的模拟退火算法进行该优化模型的求解。最后的算例表明，采用该优化方法运算快捷，所得结果正确合理，且与其他方法得到的结果相比，收敛速度更快，且最优解的总费用均有很大程度的节省，从而能为此类的物流网络设计问题提供科学的指导依据。     

电子商务下的配送中心选址问题及其优化

分析了电子商务环境下的物流配送中心的特点,提出了电子商务环境下带软时间窗的配送中心选址与车辆路线集成模型,设计了遗传算法与模拟退火算法相结合进行求解.最后通过算例说明了该模型的实用性及其算法的可行性.     

基于禁忌退火粒子群算法的火力分配

火力分配问题是典型的NP完全问题,传统的求解算法存在指数级的时间复杂度。给出具体实用的防空火力分配模型,提出一种基于禁忌搜索与退火粒子群优化的新算法,并针对多种空袭规模的实例进行计算机仿真。仿真结果表明,与禁忌搜索、标准粒子群优化、退火粒子群优化等智能算法相比,新算法在解决火力分配问题时具有更优良的收敛精度和时间性能。