模拟退火算法综述

本文综合介绍模拟退火算法的原理，实现形式，渐近收敛性，应用及其并行策略，对模拟退火算法给出一个简明，全面，客观的综合评价。     

布局问题的模拟退火算法

布局问题属于ＮＰ－完全问题已被研究多年，模拟退火法是一种新的通用启发式优化算法，现已广泛用于解决大规模集成电路逻辑布线设计、图象处理等组成优化问题，本语文通过对布局问题及模拟退火算法的分析，将它们综合起来构成了求解布局问题的模拟退火算法，计算结果表明，本文算法得到的解优于传统优化方法所得到的解；本文还通过实验对算法中各参数所起作用进行了论述。     

基于序列对和模拟退火算法的布局问题研究

结合布局问题的具体特点,采用序列对来间接描述布局问题的解结构,并且在模拟退火算法的基础上对布局问题的优化算法进行了研究,综合构成了一种有效求解布局问题的模拟退火算法。还将传统模拟退火算法和加回火策略的模拟退火算法的测试结果进行了比较。通过测试模块验证,传统算法取得了很优的结果,加回火策略的算法略微优于传统优化算法但却大大增加了时间复杂度。     

基于模拟退火算法的布局问题研究

在传统模拟退火算法的基础上,对布局问题的优化算法进行了研究,采用回火策略,改进一般模拟退火算法寻优的效果;结合布局问题的具体特点,采用Sequence Pair来描述布局问题的解结构,综合构成了一种新的求解布局问题的模拟退火算法.通过算例验证,该算法优于传统优化算法和普通启发式搜索算法,并且对增量布局也能够取得较好的效果.     

加温退火算法及其在旅行商问题中的应用

传统的模拟退火算法初始温度人工选取可能出现过高或过低,致使运行时间长、搜索效率低。在传统的模拟退火算法中引入加温过程,可以根据算法自身的运行得到合适的初始温度与较好的解质。文章将加温前后的模拟退火算法应用于旅行商问题,验证了加温模拟退火算法的高效性。     

求解可满足性问题的改进的模拟退火算法

该文为可满足性问题的高效近似求解提出了改进的模拟退火算法。数值实验表明,对于该文随机产生的测试问题例,改进的模拟退火算法完全胜过局部搜索算法、模拟退火算法以及目前国际上流行的WSAT算法。     

求解旅行商问题的模拟退火蚁群算法

根据蚁群算法与模拟退火算法的特性,提出了求解旅行商问题的混合算法.由模拟退火算法生成信息素分布,然后由蚁群算法根据累计更新的信息素找出若干组解,再经过模拟退火算法在邻域内找另外一个解的操作,得到更有效的解.与模拟退火算法、标准遗传算法、蚁群算法和随机初始化的蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好.     

一种改进的遗传模拟退火算法在TSP中的实现

从避免算法进入局部极小值、提高解空间的搜索能力的角度出发,提出应用遗传模拟退火算法解决TSP问题,该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,使其在提高全局最优的速度方面具有明显的优越性.最后给出仿真试验,并证实了该算法优于遗传算法和模拟退火算法.     

一种模拟退火算法与禁忌搜索算法的混合算法

通过结合模拟退火算法与禁忌搜索算法的优点,提出一个组合算法,并将其应用到旅行商问题（TSP）中。并用C＋＋实现一般的模拟退火算法和这种组合的模拟退火算法．比较结果显示出这种组合算法可以得到更好的结果。     

求解逾期惩罚的作业调度问题的模拟退火算法

逾期惩罚的作业调度问题是一个典型的NP完全问题，模拟退火算法是求解此问题的一种理想方法。模拟退火算法是依赖邻域结构的迭代方法，模拟退火算法对选择试验解比较敏感。文章针对找领域解，提出4种策略。算法的分析和测试表明，策略C是一种简单有效的算法。