基于模拟退火的万有引力算法

针对标准万有引力算法的个体位置更新策略可能对个体造成破坏且算法局部搜索能力较弱问题提出了一种改进算法。该算法将模拟退火思想引入万有引力算法,采用基于 Metroplis 准则的个体位置更新策略,并在引力操作之后,对每代最优个体进行退火操作。一定程度避免了个体移动的盲目性,提高了算法的局部搜索能力、收敛速度与精度。实验结果表明:算法的改进策略是有效的,且改进后的算法在收敛速度、收敛精度等方面具有明显优势。     

基于模拟退火的混合遗传算法

分析了遗传算法和模拟算法的优缺点,并将两种算法进行混合,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足,理论分析和仿真实验表明该方法的有效性和可行性。     

基于Levenberg-Marquardt算法的应力集中预测

应用应变电测的基本原理及技术 ,测量所研究试件应力集中附近处的应变值 以神经网络技术为基础 ,采用单隐层网络结构 ,以Levenberg -Marquardt算法来训练网络 笔者在收集已有相关资料的基础上 ,对应力集中处的最大值进行了预测 通过与常用的应力集中预测模型进行数值计算比较 ,表明该模型预测精度高 ,可靠性强 模型中所采用的数据预处理方法 ,大大扩大了模型的应用范围     

基于多重网格的模拟退火算法

为了提高模拟退火算法的收敛速度,提出了一种基于多重网格的模拟退火算法（SAM）,用于求解高维函数优化问题,并分析了其收敛性．13个著名的测试函数对SAM算法进行数值实验,结果表明SAM算法具有良好的搜索能力和收敛速度．     

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.     

基于模拟退火算法的卡尔曼滤波在室内定位中的应用研究

卡尔曼滤波算法是用来解决定位中滤波的问题的一个重要内容,但由于预测和测量值之间的误差比较大,算法并没有达到最优,因为在室内定位中温湿度(高斯白噪声)对其有影响,以及非平面中的位置信息影响人员物品的位置定位精确度。针对卡尔曼滤波算法的这一问题,引进模拟退火算法。结合模拟退火算法的降温思想,采用迭代选取最优解,以此为基础,得到的最优解用于卡尔曼的初始值;将得到的最优距离作为对象,并以此建立邻域,最后再用线性插值法得到坐标。仿真实验表明,此种方法有效提高了室内定位精确度,减小降低了各种因素的干扰。     

模拟退火算法在机器人路径规划中的应用研究

本文分析了模拟退火算法在路径规划中的应用。研究结果表明 :它能够有效地提高路径规划的计算速度和保证路径规划的质量     

模拟退火算法在图片优化排版中的应用

图片优化排版是一种特殊的二维下料问题,属于NP-Complete.传统算法只考虑直线切割,不考虑更复杂的套裁方式.本文针对排版问题的特殊性,在几何数据结构上,采用空闲块算法描述复杂的套裁方式;在优化算法上,使用模拟退火算法进行迭代.实践表明,算法的优化效果是令人满意的.     

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HFC-ADM模型对SA的改进及应用

通过分析模拟退火算法（SA）以及利用分等级公平竞争（HFC）模型对SA改进的固有缺陷,提出新的基于自适应输入阀值的HFC模型（HFC-ADM）的模拟退火算法及其算法流程,同时进行详细的数学描述。最后以求证旅行商问题（TSP）为例,通过统计数据验证了改进后的算法较采用同样局部优化的标准退火算法和分等级公平竞争的模拟退火算法具有更好的收敛速度和优化解。     

基于模拟退火算法的无线传感网PEGASIS算法

在PEGASIS算法基础上,采用模拟退火算法进行簇的形成,同时利用能量因素来选择每一轮的簇头.采用模拟退火算法后链路的长度平方与比原来采用贪婪算法的相比,降低了一半左右,从而减小了整个网络能量的消耗,大大延长了第1个节点的死亡时间.第1个节点的死亡时间为原算法的1.8～3倍以上,20 %、50 %和80 %的节点死亡时间也都比原算法的要长,由此提高了整个网络的生存周期.     

基于模拟退火算法的最优码本设计

分析了矢量量化码本设计基本算法及其不足，给出了完善的局部最优的改进算法及其实现．简介了模拟退火算法的基本原理，并利用模拟退火算法进行全局最优码本设计，文中给出了具体的算法实现和实验结果．     

基于模拟退火的进化算法性能对比研究

将模拟退火算法和遗传算法、粒子群优化算法分别进行结合，形成模拟退火-遗传算法以及模拟退火-粒子群优化算法，并作性能对比分析。研究结果表明，这两种算法都在进化代数和全局寻优能力方面有较大突破，在找寻最佳个体解的效率士，模拟退火-粒子群优化算法更突出。     

基于模拟退火改进的实参遗传算法及其工程应用

由于继承性的问题,遗传算法在编码和解码中会花费大量的计算时间;另外,由于缺乏"爬山能力",遗传算法很容易早熟和局部收敛.提出一种新的自适应模拟退火遗传算法,具有遗传算法和模拟退火的优点,同时自适应机制的引入,保证了解的质量并提高了收敛速度.将这种方法应用于螺旋弹簧约束优化设计问题中,结果表明,尽管群体规模较小,但在处理复杂问题时,这种混合算法的全局搜索能力和收敛速度显著提高.     

基于模拟退火算法对K-means聚类算法的优化

K-means聚类算法是近年来数据挖掘学科的一个研究热点和重点,该算法是基于划分的聚类分析算法.目前这种算法在聚类分析中得到了广泛应用。本文将介绍K-means聚类算法的主要思想,及其优缺点。针对该算法经常陷入局部最优,以及对孤立点敏感等缺点,提出了一种基于模拟退火算法的方法对其进行优化,可以有效地防止该算法陷入局部最优的情况。     

基于自适应模拟退火算法的CSTR的动态优化

首先分析了连续搅拌釜式反应器的动态优化模型。基于对自适应模拟退火算法的研究,提出了一种改进的邻域调整方案,并将其应用于求解连续搅拌釜式反应器的动态优化问题。仿真结果表明,改进后的算法大大加快了搜索速度,提高了最优解的质量,为工业过程控制的设计提供了高效、可靠的参考依据。     

基于禁忌搜索的模拟退火算法在最小控制集中的应用

图的控制集问题是在给定的简单无向图中求出阶数最小的控制点的集合,目前它已被证明是一个NP-完全问题．针对现阶段已有的模拟退火算法提出了一种改进的基于禁忌搜索的模拟退火算法,并通过与贪心算法、传统模拟退火算法进行比较,证明了该算法可以获得较小的控制集阶数．