基于多分辨率格网数据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，在军事、电信、野生动物保护等领域有着广泛的应用。在对该问题建模和仿真计算复杂性分析的基础上，通过分析地形数据分辨率对多观察点设置问题的影响，结合模拟退火算法，提出了一种基于多分辨率地形格网数据的多观亲点设置的优化解决方法．实验表明，该方法在保证仿真准确性的前提下，仿真计算时间比单纯采用模拟退火算法减少了50％-60％。     

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。     

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。     

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。     

装卸混合车辆路径问题的模拟退火算法研究

提出了更具一般性的装卸混合车辆路径问题，建立了该问题的基于直观描述的数学模型．通过设计一种新的解的表示方法构造了求解该问题的模拟退火算法，并进行了实验计算．计算结果表明，用设计的模拟退火算法求解装卸混合车辆路径问题，不仅可以取得很好的计算结果，而且计算效率较高，收敛速度较快，计算结果也较稳定．通过对双向配送策略与单向配送策略计算结果的比较，说明了采用双向配送策略求解装卸混合车辆路径问题对于配送企业节省配送车辆、减少配送里程，从而降低配送成本、提高经济效益的重要意义．     

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。     

基于改进搜索策略的混合蜂群算法

针对人工蜂群算法搜索效率低、易陷入局部最优和精度低等缺点,提出混合蜂群（hybrid bee colony, HBC)算法。将人工蜂群（artificial bee colony, ABC）算法局部收敛性与模拟退火（simulated annealing, SA）算法全局收敛性结合,为ABC算法提供了一种新机制。根据SA算法中Metropolis接受准则, 通过调整温度依概率确定全局最优解的替代值,并利用全局最优解的替代值和个体极值来改进ABC算法的引领蜂搜索模式。其次,改进侦察蜂搜索方式,根据迭代次数非线性减小侦察蜂搜索范围和以一定概率反向搜索更新方式,能够有效地提高算法的全局搜索能力,并加快算法的后期收敛速度。通过对8个复杂函数仿真测试,结果表明,HBC算法在搜索性能和精度方面均有明显提高。     

基于单亲遗传模拟退火算法的顶点p-中心问题

针对顶点p-中心问题这一经典的离散选址NP困难问题提出了一种单亲遗传和模拟退火的混合算法.该算法:1)采用单亲遗传算法简化遗传操作过程;2)加入模拟退火策略,增强局部优化能力;3)提出自适应选择法,根据个体的优劣及算法迭代情况来选择个体;4)设计了自适应基因重组操作;5)采取最优保存策略,避免最优解的丢失.数值实验结果表明了该算法对于解决规模较大的顶点p-中心问题的有效性.     

多重运输调度问题的模拟退火算法

提出了多重运输调度问题的模拟退火算法,实际运算表明,该算法具有较快的收敛速度,是一个较实用的算法。     

圆排列问题的蚁群模拟退火算法

首先把圆排列问题转化为旅行商问题,然后利用模拟退火算法是求解此问题.针对模拟退火算法对选择试验解比较敏感这一问题,文章提出六种找领域解算法.算法的分析和测试表明,利用了城市间距离大小的信息的蚁群模拟退火算法 是一种简单有效的算法.     

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 .     

多目标平面选址问题的模拟退火算法

用模拟退火算法求解一类困难的多目标平面选址问题，经微机上大量试算，效果较好.     

基于适应性模拟退火的标准单元布局算法

提出了一种基于适应性模拟退火的标准单元布局算法，针对各布局电路的特性，在传统的模拟退火算法中引入适应性初始温度和适应性搜索区域的概念，并对标准单元布局中目标函数中的惩罚项做出相应改进。该算法用于对一组标竿电路进行测试，和传统模拟退火算法得出的结果相比，在布局效果上和时间性能上均显示出优越性。     

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。     

一种改进的遗传模拟退火算法及其应用

对遗传模拟退火算法进行了研究,首先对遗传算法的适应度线性尺度变换作了改进,然后在改进的遗传算法中融入了模拟退火算法,从而提高了遗传算法的全局寻优能力。以空心并联电抗器的优化为例,建立了空心并联电抗器的优化设计模型,给出了进行模拟退火操作时产生新解的邻域结构,采用改进的遗传模拟退火算法对空心并联电抗器进行优化设计,计算结果表明空心并联电抗器的损耗和重量分别减小了16.3%和11.5%,优化效果明显。     

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.     

基于模拟退火算法的决策表最优属性选择

连续属性的决策表知识获取有两个问题需要解决其一是连续属性的离散化问题。这个问题已引起了人们的注意，在简单评述的基础上，结合粗集理论，提出了一种新的数据离散化方法。大致思想是先用K-W检验方法粗略评价各连续属性的重要性，然后用c均值聚类给出各属性的量化结果。若决策表不相容，则按属性重要性依次增加分类的区间数，如此反复直到决策表相容为止。其次是最优属性的选择问题。在此借助于简约格和模拟退火算法，给出一种启发式算法和最优算法。实例表明，上述方法是有效的。