基于遗传算法模拟退火算法解决修边损耗问题

纸箱包装行业是一个传统的产业,在纸箱生产中需要拼单来降低修边损耗以减少成本。本文根据生产上的实际经验提出了问题的数学模型,针对该模型,本文将遗传算法和模拟退火算法结合,解决了遗传算法的收敛过快以及局部搜索能力不强的问题。在选择操作中直接保存优秀个体,来增强算法的收敛性。在变异和交叉操作中采用自适应的变异和交叉概率,增强了搜索解空间的均匀性,并引入了记忆功能,最终获得问题的近似最优解。     

一种应用于负载均衡的模拟退火遗传算法

提出了一种基于模拟退火遗传优化算法,求解流量工程中的网络负载均衡问题。这种新型算法不仅能够均衡网络业务流量,相对于其它遗传算法,还具有收敛速度快、简单高效的特点。通过理论分析详尽说明算法的设计思想和相对于现有算法的优越性。     

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。     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

Parallel Genetic Simulated Annealing Hybrid Algorithm for Task Scheduling

In this paper combined with the advantages of genetic algorithm and simulated annealing, brings forward a parallel genetic simulated annealing hybrid algorithm （PGSAHA） and applied to solve task scheduling problem in grid computing. It first generates a new group of individuals through genetic operation such as reproduction, crossover, mutation, etc, and than simulated anneals independently all the generated individuals respectively. When the temperature in the process of cooling no longer falls, the result is the optimal solution on the whole. From the analysis and experiment result, it is concluded that this algorithm is superior to genetic algorithm and simulated annealing.     

A Parallel Genetic Simulated Annealing Hybrid Algorithm for Task Scheduling

0 IntroductionGrid computingis a hot topic inthe current internet research,and a developing direction of the parallel and distributedprocess[1 ,2].Since the task scheduling in grid computing faces aNP-hard problem[3];it has drawn attention from many scholarsand become the focusinthe field of the current grid computing re-search.In recent years , two global random and opti mal algorithmhave been widelystudiedandappliedinthefield of the gridcompu-ting research: GA(Genetic Algorithm) and SA( …     

兼顾最优个体的模拟退火分层遗传算法

针对传统分层遗传算法存在"发散"、收敛速度慢和最优解易丢失等缺陷,本文提出了一种改进的分层遗传算法,采用基于模拟退火思想的底层交叉和变异算子,避免底层算法的"发散"、提高收敛速度;设计了一种兼顾最优个体的高层选择算子,防止最优个体丢失。求解SAT问题的比较实验结果表明:求解成功率与收敛速度等算法性能均有较大提升。     

基于模拟退火遗传算法求解整周模糊度

采用乔里斯基分解对浮点解和协方差矩阵进行降相关处理,以降低整周模糊度各分量之间的相关性,然后在遗传算法的种群迭代中加入模拟退火的思想,并将改进的遗传算法应用到整周模糊度的搜索解算上,最终求得整周模糊度的最优解.仿真结果表明,在整周模糊度的解算过程中改进的算法能降低算法的收敛速度,提高算法的运行效率.     

二维不规则贯通排样的模拟退火算法

提出一种获得不规则零件的最佳包络矩形的方法,根据矩形件的启发式算法,设计模拟退火智能算法将最佳包络矩形排样.模拟退火算法是全局优化概率的搜索算法,可以在优化排样中将排样次序优化,再利用最低水平线算法将不规则多边形排样.结果显示:同一排样问题,初始温度、冷却参数以及终止温度有一组最佳组合值,使得问题解的质量较高.该算法在排样效果和时间效率上更为优秀.     

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。     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

基于遗传模拟退火算法的任务分配与调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源。因此计算任务在各种资源之间的调度成为了一个关键的问题。结合遗传算法GA和模拟退火算法SA的优点,提出了一种全局遗传模拟退火算法GGSAA,并将算法应用于网格计算任务调度问题的求解之中。最后给出了GGSAA算法的仿真结果。     

融合模拟退火的改进教与学优化算法

针对教与学优化算法(TLBO)在解决复杂优化问题时易陷入局部最优的缺点,提出了一种融合模拟退火的改进教与学优化算法(SAMTLBO).该算法首先对学员阶段做了改进,在保持TLBO算法简单易实现的基础上,利用模拟退火方法增强了TLBO算法摆脱局部最优的能力,最后用4种算法对8个无约束优化函数仿真.数值实验表明,该算法无论是在收敛速度还是在寻优精度上均优于基本TLBO算法、ETLBO算法和DMTLBO算法.     

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。     

模拟退火算法机理研究

从机理上分析了采用Metropolis概率接受准则的重要性 ,认为按照该准则可以使模型跳出局部极小值 ,避免了落入局部极小点的可能 ,然后在退火计划的控制下模拟退火算法 ,最终可以找到最优解 ;深入分析了算法的退火计划和模型扰动 ,以及两者之间的配合的技巧 ,认为算法本身可以作进一步的改进 ;并提出了改进的思路 ,为下一步的具体改进打下了基础     

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．     

基于改进的模拟退火遗传算法的公交线网优化

文章将遗传算法与改进的模拟退火算法相结合组成混合改进的模拟退火-遗传算法。研究了以居民乘车出行时间最短和公交部门投入最少为目标建立的公交线网优化的模型,并利用改进的模拟退火-遗传算法对该模型进行求解。通过温州滨海新区的规划实例研究验证方法的实用性。     

基于改进遗传算法的平面交叉口信号优化控制法

本文对城市交通中单交叉口信号动态优化控制技术进行了深入研究,在此基础上设计了一种应用于单交叉口的智能信号控制优化算法,并在遗传算法的选择算子中对竞争法进行了改进,加入了希尔排序策略,将基本遗传算法改进成了一种新的基于二进制编码的遗传算法. 且计算机模拟复杂度较高的四相位交通控制仿真对比实验取得了良好的效果. 实验结果证明,遗传算法可以较好地应用到交通控制领域,且改进式遗传算法在中、重度交通需求的情况下依然能在很短的计算时间内使控制周期内路口的总延误和排队车辆数明显减少.     

改进模拟退火算法在旅游路线定制中的应用

旅游路线定制已成为提高旅行体验的重要举措之一,为解决新游客在陌生城市旅游时的路线定制问题,在考虑景点距离、旅游消费和游客出行时间等约束条件下,建立了以旅游效用值为目标函数的旅游路线定制模型。为了避免模拟退火算法出现冗余迭代,陷入局部最优,提出一种改进模拟退火算法来求解旅游路线定制模型。该改进算法通过混沌寻优确定初始温度避免迭代冗余;通过对当前最优解进行混沌扰动来动态控制搜索步长,跳出局部最优;并用方差判定准则来作为搜索停止条件。最后,以广西桂林市的旅游景点为例对改进算法进行了验证。实验结果表明,该改进算法不仅加快了模型的运行速度,而且更容易寻得全局最优解,为游客提供了更准确合理的旅游路线。     

基于模拟退火算法(SAA)求解列车控制问题

提出了一种解水平轨道的列车节能控制问题的算法 ,该算法考虑了无限制速度和有限制速度两种情形 ,并基于模拟退火算法、动态罚函数法。