基于双阈值的具有记忆功能的自适应模拟退火算法

讨论传统模拟退火算法的原理、求解过程,详细分析它存在的局限性,简单叙述模拟退火算法中关键参数对该算法性能的影响,并给出该算法的可行性改进方案。提出一个改进的模拟退火算法。在该改进算法中,为避免遗失当前最优解,增加记忆功能,将当前最好的状态记忆下来,从而使得模拟退火算法成为一种智能化算法;设计一个自适应温度更新函数,并设置双阈值使得在尽量保持最优性的前提下减少计算量。用改进前后的两个算法来解决一个非线性寻找组合最优问题,实验证明改进后的模拟退火算法是高效的。     

模拟退火算法及其改进算法的研究

本文主要研究传统模拟退火算法以及改进算法的思想,在文中分别对各个改进算法给出了实验对比数据,更好证明了改进算法的有效性;在最后讨论了模拟退火算法的优缺点,并在对改进算法的分析研究的基础上归纳给出模拟退火算法可行的改进方向。     

模拟退火教学式优化算法

针对教学式优化算法在求解组合优化问题时易陷入局部最优问题进行了研究,提出模拟退火教学式优化算法.利用模拟退火方法,在“教”与“学”两个阶段按照模拟退火计算的概率,随机接受个体中某一位较差解作为新解的一部分.通过增加群体多样性的方法,增强教学式优化算法逃离局部最优解的能力.分别对单模、多模和旋转函数进行仿真,并与其他算法进行了对比实验.结果表明,提出的方法在收敛速度和收敛精度上具有较好的性能.     

基于模拟退火思想的改进人工蜂群算法

针对人工蜂群算法(ABC)容易陷入局部极值点、进化后期收敛慢和优化精度较差等缺点。把模拟退火技术(SA)引入到ABC算法中,提出了一种改进的优化算法。混合优化算法在各温度下依次进行ABC和SA搜索,是一种两层的串行结构。由于ABC提供了并行搜索结构,所以,混合优化算法使SA转化成并行SA算法。SA的概率突跳性保证了种群的多样性,从而防止ABC算法陷入局部极小。基于模拟退火的改进人工蜂群算法保持了ABC算法简单容易实现的特点,改善了算法的全局优化能力,便于收敛的同时也可以防止算法陷入局部最优解。     

桁架形状优化的一种改进模拟退火算法研究

通过设计一种产生可行解的状态发生器,由该状态发生器产生的新状态均满足所有的约束条件,从而方便地处理约束条件,并提出一种求解桁架形状优化设计问题的改进的模拟退火算法。算例表明该方法能获得较高质量的解,具有现实的工程意义,同时指出改进的SA算法用于桁架形状优化问题得不到全局最优解。     

一种自适应的模拟退火算法

提出一种自适应ＳＡ算法,该算法根据邻域搜索进展的反馈信息,自适应确定温度变化和邻域搜索强度。对Ｆｌｏｗ ｓｈｏｐ问题的计算结果表明,该算法基本独立于初始温度的选择,具有较强的鲁棒性。     

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.     

一种改进的模拟退火组合优化法

本文将模拟退火组合优化法的搜索控制过程与最优解的更新过程加以分离,提出了一种有效的改进方法.它得到的解总是优于(至少不劣于)原有模拟退火法的解,尤其是在因有关参数选择不合适使原模拟退火法获得的解较差时,改进法仍能得到较满意的解.另外,为减少计算量,改进法还提供了一种判断 Metropolis 抽样停止和退火过程结束的有效方案.最后,给出了改进法在两个模式识别典型问题上的应用,以及计算机实验结果.     

一种融合改进模拟退火技术的新型遗传算法

通过对传统遗传算法和模拟退火算法各自优缺点的分析,提出了一种新型遗传算法。算法以最优保留策略的遗传算法作为主体流程,在主体流程过程中融入改进的模拟退火技术,即设置双阈值和保留中间最优解来减少计算量,加快算法的收敛速度,从而为求得全局最优解提供了保障。通过对F6函数仿真试验,新型遗传算法的收敛速度和跳出局部最优的能力有很大提高。     

LEACH-C协议中模拟退火算法的改进

无线传感器网络的LEACH-C协议在实现过程中,使用了模拟退火算法进行簇头节点集合的选择。虽然该算法选举的簇头能够使整个网络的传输代价最小,但是算法执行的效率比较低。因此,在原来算法的基础上,提出了一种改进的算法。理论上表明该算法在每次迭代后得到的新解必然比原来的解更优;实验结果表明,该方法能够更快地得到一个局部最优解,改进后的算法在整体性能上比原算法有很大提高,尤其是在网络中的节点数不断增加的情况下,从而缩短了选举簇头节点的时间消耗。     

一类应急服务设施选址问题的模拟退火算法

讨论了一类带限期约束的应急服务设施选址问题,给出了其易于实现计算机计算的罚函数表示,在温度参数、迭代策略和算法终止条件三个方面设置了适合该问题的模拟退火算法,并通过实例的计算说明该算法是有效的。     

一种解旅行商问题的并行模拟退火算法

本基于模拟退火思想，提出一种解旅行商问题的并行算法，并在Ｔｒａｎｓｐｕｔｅｒ多处理机系统上实现，该算法具有较高的优化程度和较快的运算速度。     

基于模拟退火的文化混合双聚类优化算法

双聚类是用基因表达数据矩阵中部分行与列的相互表达水平,即矩阵中的子矩阵。文章提出一种基于模拟退火的文化混合优化算法,以文化算法为整体框架嵌入模拟退火法,作为种群空间的一个演化过程,避免模拟退火的概率突跳性缺点。在酵母细胞数据集实验中,文中的算法在时间消耗增加不多的情况下,搜索出的双聚类质量高,实验效果良好。     

基于模拟退火的服务质量路由算法

作为下一代互联网的核心问题之一,多约束的服务质量路由(QoSR)用来寻找一条同时满足多个约束条件的可行路径.然而,该问题具有NP完全的复杂度.将模拟退火引入多约束QoSR计算中,首先使用非线性能量函数将多个QoS度量转化成单一能量,然后基于模拟退火的方式求解最小能量路径.首先概述了模拟退火的方法,分析了在QoSR中应用模拟退火所面临的关键问题以及解决方案,然后给出了SA_MCP算法及其复杂性分析.实验结果表明,该算法具有很高的性能,同时对网络规模和约束个数都具有很好的扩展性,对QoS约束的分布状况也不敏感.此外,只要大部分QoS约束存在可行路径,算法的实际运行时间约为O(k(m+nlogn)),即传统Dijkstra算法的k倍(k为约束个数).     

一种基于模拟退火的自适应算法

针对常规BP算法收敛速度慢和易陷入局部极小的问题,文章提出了一种新的BP算法———SASSFBP算法。该算法根据训练中最近两个梯度的符号及其相对大小来动态地改变权步因子,提高了神经网络的收敛速度,并同时结合模拟退火算法来避免陷入局部极小。仿真实验结果表明:SASSFBP算法在收敛速度与运算精度,以及避免陷入局部极小的能力等方面均明显优于常规的BP算法。     

模拟退火遗传算法的轮廓线拼接研究

基于断层数据的三维重构是三维数据场可视化技术的主要研究内容,重构物体的三维模型也是分析、仿真的前提.应用模拟退火遗传算法设计和实现了三维物体表面重建算法.通过在遗传算法中融人退火处理操作,提高了种群的多样性,避免了遗传算法中存在的早熟收敛问题,有效地增强了算法的全局寻优能力.此外,提出了一种基于边的最小交叉多边形算法,提高了交叉操作效率.根据轮廓线拼接问题的特点,设计了针对性强的交叉、变异操作.实验结果表明,算法有效地提高了传统的全局法轮廓线拼接算法的效率.     

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。     

改进模拟退火算法求解TSP问题

对模拟退火算法进行了改进,从不同的初始状态开始搜索来解决TSP问题,并将计算的结果与遗传算法的计算结果进行比较,优于文献[1]中遗传算法的结果。     

混合遗传算法与模拟退火法

论文将适合全局搜索的遗传算法(GA)和适合局部搜索的模拟退火算法(SA)相结合,提出了混合GA-SA计算方法。一方面,算法采用混沌初始化,提高了初始群体的质量;另一方面,算法采用Gray编码以及动态自适应调节交叉概率和变异概率,提高了收敛速度,并有效防止种群早熟现象。实例验证了该算法的可行性和有效性。