推广的模拟退火算法在分子对接中的应用

把推广的模拟退火算法应用于两个分子的刚性对接的能量全局极小化,由于转动自由度和平动自由度的不同物理本质,我们对平均度量和转动变量采用了不同的访问分布。改进的算法对多个对接模型的计算取得了较满意的结果。     

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。     

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．     

基于蚁群算法骨性关节炎中药分子的分子对接研究

对治疗骨性关节炎的中药分子进行计算机分子对接研究,并对实验结果进行分析.对接过程中使用DOCK的评分函数进行能量计算,用蚁群算法改进对接的构象搜索过程并用均匀设计法确定蚁群算法的合适实验参数.实验数据来源于治疗骨性关节炎中药中的药物分子,选择5个分子与相应的靶标分子进行对接,实验结果与改进前使用单纯形方法的结果进行对比,时间及精度性能指标上都有所改善,显示蚁群算法用于优化对接过程中的构象搜索是有效的.     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

一种采用知识打分函数的分子对接方法

分子对接是计算机辅助药物分子优化设计的重要组成部分.引入了一种通过计算原子对间距离来评价结合自由能的知识打分函数,其构造方法与平均力势能函数相似.同时采用基于信息熵的多种群自适应遗传算法,形成一种新型的分子对接程序KGAsDock.给出与著名的分子对接程序DOCK6.1的对接结果比较,数值实验表明,该算法在不降低计算效率的前提下,提高了对接的精度.     

改进的非常快速模拟退火算法

在研究模拟退火机理分析的基础上,提出了一种改进的算法（MVFSA算法）的具体方案,目的是为了改进原算法（VFSA算法）中存在的缺陷,以提高算法的效率．在模型试验中,对改进后的算法与原算法的过程和结果进行了一系列的比较,发现改进后算法不仅保持了原算法全局寻优的优点,而且提高了算法的稳健性和效率．这就为模拟退火算法在更多方面的实际应用打下了良好的基础．     

Optimization of web search engine and its application to web mining

With the explosive growth of information sources available on the World Wide Web, how to combine the results of multiple search engines has become a valuable problem. In this paper, a search strategy based on genetic simulated annealing for search engines in Web mining is proposed. According to the proposed strategy, there exists some important relationship among Web statistical studies, search engines and optimization techniques. We have proven experimentally the relevance of our approach to the presented queries by comparing the qualities of output pages with those of the original downloaded pages, as the number of iterations increases better results are obtained with reasonable execution time.      

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。     

退火-遗传算法寻优及其实现

分析了遗传算法及退火算法的优缺点,提出用退火算法改进遗传算法局部的最优值搜索效率低问题。退火算法与遗传算法融合后,使算法在寻优结果上更加迅速精确。通过水泥的配比工程实例,与单纯的遗传算法的结果进行对比,说明该方法是有效的。     

药物分子对接网格研究与进展

药物分子对接所涉及的搜索空间非常巨大,需要耗费大量的时间,并且对计算环境也有较高的要求．将网格技术应用于药物分子对接中,能有效解决上述问题．通过应用改进的遗传算法多种群竞争机制的对接演化模型GADock,以信息熵控制设计空间的收缩,增强了进化的有效性,显著地提高了对接效率、利用网格数据传输和网格任务调度等网格技术对分子对接过程进行了优化,有效利用了网格节点资源,并降低了药物分子的对接时间．实例测试表明了药物分子对接与网格技术相结合的合理性及有效性．     

一种基于人机交互的退火遗传算法

针对工程中存在的许多具有大规模、非线性、非凸等复杂特性的全局优化问题,在退火遗传算法的基础上,通过将人工方案和算法方案相结合,提出了一种基于人机交互的退火遗传算法,算法首先通过人机合作方式产生初始群体,并在随后的演化过程中,根据个体的适值自动地将人工个体从移民池中引入到算法群体中,引入的人工个体在同其他个体广泛交叉后,按Metropolis法则形成新群体,从而改善群体的质量并引导算法向更富希望的方向搜索,改进的自适应算子提高了算法的整体搜索能力,该算法具备演化算法的优点,并能发挥人的主动性,显示了求解复杂优化问题的应用潜力,算例的仿真结果验证了算法的有效性。     

不规则货物的摆放算法研究

货物摆放问题不同于传统的排样问题,不仅要优化平面布局,还必须兼顾货物的运出。为解决摆放问题,先结合问题自身的特点做适当的预处理,然后采用遗传模拟退火算法得到一个预定优化方案,并通过碰撞检测修正该方案,确保货物都能运出仓库。实例表明算法是有效的,并且具有很好的通用性。     

一种新的优化算法──进化-模拟退火算法(ESA)

进化界法与模拟退火算法是模仿自然现象的两大随机算法，本文将进化算法中的群体思想和竞争选择机制引入到模拟退火算法之中以指导搜索过程，的退出了进化一模拟退火算法，其仿真结果表明，对于较简单的问题，进化一模拟退火的性能与模拟退火算法一样好，但对于较复杂的问题，进化一模拟退火算法明显优于模拟退火算法。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

快速模拟退火算法用于噪声图像配准

提出一种基于快速模拟退火的噪声图像配准算法,将模拟退火算法纳入鲍威尔(Powell)直接搜索法可以使优化解不陷入局部极值解而获得全局优化解,而且可大大地提高运算效率。实验表明,该算法能对平移、旋转后的噪声图像进行有效地配准。     

退火贪婪混合遗传算法

提出了一种将贪婪算法和退火算法相结合的新型混合遗传算法,提高了算法的收敛速度,同时避免了遗传算法中存在早熟收敛的问题.     

遗传模拟退火算法在初始对准中的应用仿真

捷联惯导系统粗对准结束后,可以用遗传算法来搜索三个误差角,且由于遗传算法的全局寻优能力,在速度上具有很大优势。但遗传算法的局部寻优能力不足,因此得到的结果在精度上也受到了限制。模拟退火算法容易陷入局部最优解,但是具有很强的微调能力。因此,将遗传算法和模拟退火算法结合起来,能很好地解决初始对准的速度和精度的问题。仿真结果证明遗传模拟退火算法可以很好地改善单一遗传算法的局部寻优能力,使得结果精度更高。     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

混合算法在流量工程中的应用

针对大规模网络中的流量工程问题,设计了结合遗传算法与模拟退火以及结合遗传算法与爬山法的两种混合算法.仿真实验表明,结合遗传算法和模拟退火的混合算法在整体性能上较单独使用遗传算法有明显的提高,结合遗传算法和爬山法的混合算法在处理超大规模的网络和海量业务要求的流量工程问题时具有时间上的明显优势.