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。     

模拟退火算法的一种改进及其在蛋白质结构预测中的应用

根据蛋白质的氨基酸序列预测其空间结构可以归结为一个多维多极值的全局优化问题 ,缺少一种有效的全局优化方法是阻碍这一难题解决的一个关键 .文章以联合残基优化模型为基础 ,将蛋白质结构预测作为一个连续变量的全局优化问题来处理 .针对蛋白质结构预测模型的特点 ,对模拟退火算法进行了改进 ,并将其应用于脑啡肽和牛胰岛素 B(D)链的实例计算 ,得到了较为合理的结果.     

BRDF的遗传算法和遗传模拟退火算法建模及比较

结合遗传算法和模拟退火算法,构造出具有全局搜索优化特性的遗传模拟退火算法。根据空间目标表面的多组多角度双向反射分布函数（bidirectional reflectance distribution function, BRDF）实验数据和统计模型,获得样片BRDF五参数模型参数值及2D、3D的BRDF分布。比较基本遗传算法和遗传模拟退火算法在迭代次数、计算时间、参数值及精度等之间的差异并分析其原因。遗传模拟退火算法更适用于BRDF的统计建模。     

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。     

基于遗传编程的可持续模拟退火算法及应用

研究分析了模拟退火算法(SA)的缺陷,采用分等级搜索机制,提出了可持续模拟退火算法(HFCSA)后,针对HFCSA算法编码受限问题,引入遗传编程的思想和编码方式,提出一种基于遗传编程的可持续模拟退火算法-GP-HFCSA算法.该算法可以在开放式搜索空间中搜索,实现结构和参数的协同进化.在算法对比测试实验(8特征值问题)中,GP-HFCSA算法的设计结果优于参照算法,证明了GP-HFCSA算法具有良好的效率及自动设计能力,具有广泛的学术价值及应用前景.     

GAPSO：一种高效的遗传粒子混合算法及其应用

在粒子群算法和遗传算法融合的基础上提出了一种新的算法(GAPSO).该算法模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,采用粒子群算法获得进一步的提高,使算法获得比遗传算法和粒子群算法更加好的优化效果.在FCRNN设计应用中表明该算法确实比遗传算法和粒子群算法有更加好的效果.     

基于遗传模拟退火算法的机动多目标数据关联问题研究

应用遗传模拟退火算法将机动多目标的数据关联问题表达为一类约束的组合优化问题研究时 ,可极大地提高密集多回波环境下系统跟踪多机动目标的精度和可靠性 .仿真结果表明 ,遗传模拟退火算法明显地优于独立地使用遗传算法和模拟退火算法 .     

一种改进的连续变量全局优化模拟退火算法

在连续变量的全局优化问题求解中,提出了一种改进的模拟退火算法.该算法提出了一种自适应的函数变换方法,解决了模拟退火算法中较难处理的初始温度问题,使初始温度与具体应用问题无关;结合成功-失败法和变尺度方法,提出了有效偏移量的概念,改进了解的产生方式;提出了一种以相对精度为基础的结束准则,较好地解决了计算效率和计算精度的平衡,提高了算法的效率和通用性.数值测试算例验证了本文的改进模拟退火算法的可行性和高效性.     

基于遗传模拟退火算法的判断矩阵一致性修正

分析了判断矩阵一致性修正中存在的问题.把专家判断矩阵的不一致性看成在其特征矩阵受到扰动后形成的,在达到满意一致性阈值的前提下使扰动量修改最小,最终建立了专家判断矩阵一致性修正的一个非线性规划模型.设计了相应的遗传模拟退火算法用于求解这个非线性规划,并和已有的方法进行比较,数值计算证明模型是更有效的方法.     

作业排序模拟退火算法影响因素分析和一种多次淬火模拟退火法

研究了作业排序模拟退火法各要素对搜索结果的影响特性 ,给出降温函数概念及其解析特征和有关问题的适宜参数值 ,在此基础上 ,给出了一种多次淬火的模拟退火算法     

基于遗传模拟退火法的量子细胞自动机电路仿真

有机结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的遗传模拟退火算法是一种有效搜索全局极值的算法，通过对算法操作和参数的合适设置，将其推广到量子细胞自动机电路的仿真。基于对量子细胞自动机基本逻辑电路的仿真结果验证了该算法的有效性，其性能明显优于Macussi等人提出的基于量子细胞自动机的模拟退火法。     

基于模拟退火遗传优化的正交小波盲均衡算法

在分析基于正交小波变换的盲均衡算法和遗传算法理论的基础上,提出了基于遗传优化的正交小波盲均衡算法（GA-WTCMA）。该算法将遗传算法引入到正交小波盲均衡算法（WTCMA）中,利用遗传算法的全局搜索特性,对均衡器权向量进行优化,以降低WTCMA局部收敛的可能性,减小稳态误差,并针对遗传算法的局部搜索能力差,在遗传算法中嵌入模拟退火思想,得到了基于模拟退火遗传优化的正交小波盲均衡算法（SA-GA-WTCMA）,纠正了遗传算法的早熟现象,进一步减小稳态误差,加快了收敛速度。水声信道仿真结果,验证了该算法的有效性。     

基于改进模拟退火算法的机器人最优构形研究

研究了机器人标定中最优测量构形的选择,目的是利用改进的模拟退火算法来选择机器人的一系列最优测量构形,以最小化参数估计中测量和建模误差的影响。为加快算法收敛速度,设计了一个合适的冷却进度表,并分析了冷却进度表中各因素交互作用对算法试验性能的影响。把实验结果与局部搜索算法的结果进行了比较分析,验证了该算法的实用性。     

确定性联合补充库存问题的模拟退火算法

对确定性需求的联合补充库存问题许多文献已有不少启发式算法,这些算法都是基于枚举方式计算。通过分析该问题,应用现代优化理论,提出一个有效的模拟退火算法,通过算例表明,该算法可得出较优的、与最优解偏差较小的可行解,可以有效地解决此类问题。     

基于改进模拟退火算法的观察点设置问题研究

观察点设置问题是地形可视性分析中的一类重要问题,在空间信息辅助决策、电信、野生动物保护等领域有着广泛的应用.在深入分析观察点设置问题特点的基础上,对经典模拟退火算法的状态产生过程和状态更新过程进行了问题相关的改进.状态函数的设计同时考虑了观察点的视域和彼此之间的距离影响,而退温函数的设计则实现了高温阶段的退温时间远长于低温阶段的退温时间,提高了计算效率.仿真实验表明,基于改进模拟退火算法的观察点设置问题计算时间比采用经典模拟退火算法减少了50%-95%,并且问题解决准确度也有一定提高.     

参数设计的模拟退火并行计算法

针对参数设计中的一类非线性规划问题 ,基于均匀设计的思想 ,提出一种全局优化的模拟退火并行计算方法 .实例计算表明 ,该算法简单、有效 ,便于质量工程人员使用 .