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。     

Flow-shop调度问题的自适应模拟退火算法

为求得一个强NP-难问题——flow-shop调度问题的最优解或近优解, 提出一种自适应模拟退火算法. 本算法采用一种基于区段特性的特殊邻域结构、简便的目标函数计算方法和自适应退火策略. 通过Flow-shop调度问题的基准测试问题的实验, 数值结果证实了该方法的有效性.     

基于混合遗传算法的车间调度问题的研究

提出了在柔性生产环境下基于遗传算法与模拟退火算法混合的动态调度算法,充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性,有很好的收敛精度,并且能够在扰动发生后提供新的调度计划;通过交叉,变异等遗传操作、得到目标的最佳或次优解,最后对算法进行了仿真研究,仿真结果表明该算法是可行的,与传统的调度算法相比,其优越性是明显的。     

三角剖分的模拟退火算法

本文提出一个基于模拟退火的三角剖人算法ＳＴ，理论分析和运行结果表明ＳＴ的费用比已有三角剖分算法的费用都小，在统计上是最优三角剖分费用的常数倍。     

直线发现中用于组合优化的模拟退火算法

直线是构成图形的重要组件,在图象理解过程中,通过发现直线,并将它们进行组合,就可能判别图象中的物体,而达到理解的目的。在象素平面上的直线绝大多数都是近似拟合得到的,理想直线很少,通过设计４个２象素长,朝向分别为０度、４５度、９０度和１３５度的模式基元,并应用改革的模拟退火算法,对这亲的组合进行优化。     

基于模拟退火算法的粒子群优化算法在容器调度中的应用

随着互联网产业的发展,虚拟机创建速度慢、不易扩展、灵活性不足等缺点越来越凸显,容器技术的出现为这些问题提出了一种新的解决思路;而现有的调度算法仅考虑容器云集群中工作节点的内存、CPU等物理资源,没有考虑对容器云调度后的镜像分发过程有明显影响的网络负载率,导致容器调度任务等待时间过长,造成数据中心的资源浪费;鉴于粒子群优化算法在局部开采能力和全局探测方面有较强的优势,提出了一种基于模拟退火算法的粒子群优化算法(SA-PSO,simulated annealing particle swarm optimization algorithm)的容器调度算法,通过使用模拟退火优化粒子群算法使其在算法初期跳出局部最优情况,提升算法性能;在Kubernetes平台实验过程中,SA-PSO调度算法相比Kubernetes的BalancedQosPriority算法,提升了整体节点资源利用率,显著减少任务最少等待时间;同时与标准PSO算法以及动态惯性权重PSO算法进行对比,不仅收敛能力有显著提升,并且相较标准PSO算法全局最优节点命中率提升近60％.     

基于SA算法的造纸厂热能负荷优化调度的研究

本针对造纸厂能耗大的间隙式设备蒸球提出了组合优化的调度方法,给出了蒸球的动态数学模型,同时运用扩充了接受准则的模拟退火（SA）算法进行了求解,最后给出的仿真结构证明了该方法能在满足纸浆实现需要的前提下节能降耗。     

快速公交线路组合频率优化的禁忌模拟退火算法仿真

针对快速公交(BRT)线路组合的频率优化目标,建立了兼顾公交运营效益和乘客服务要求的BRT运营作业安排数学模型.根据问题的特点,将禁忌算法与模拟退火算法相结合,对BRT线路组合的频率进行优化.多次仿真运算结果及分析表明,该算法具有比禁忌算法、模拟退火算法都更好的效率,是解决该类问题的一个有效途径.     

混合SPMD模拟退火算法及其应用

模拟退火算法由于有很好的数学特性－以概率1收敛于全局最优值,再加上其算法本身与特定的问题无关,因此被广泛地用于各种组合优化问题。但是,模拟退火算法又具有收敛速度慢,执行时间长,算法性能与初始值有关及参数敏感等特点,使得它在不少应用中成为一种低效甚至是不可行的算法。文中提出一种混合SPMD模拟退火算法,在克服经典模拟退火算法内在串行性的同时,进一步和下山法结合起来,并综合多种优化方法,在一定的处理机规模内取得了可扩展和并行效果,显著提高了算法的收敛速度,克服了算法性能对初始值和参数选择的过分依赖,在提高算法性能的同时,方便了算法的使用。该算法已在一个机群系统THNPSC－1上得以实现,并在材料科学的一个定量电子晶体学研究问题中得到应用,降低了该问题的求解时间,提高了求解质量。     

模拟退火算法和遗传算法的比较与思考

在目前的计算机学科中,有一大类问题至今还没有快速合理的解决算法,并且其中有很多问题都是在实际应用中所碰到的优化问题。虽然目前没有能精确解决这些问题的最优算法,但是在实际应用中,人们还是找到了许多能产生近似最优解的有效算法,模拟退火算法和遗传算法便是这一类算法中的经典算法。该文浅析了此两种算法的原理,并通过一个简单的例子对这两种算法进行了比较和总结。     

解决Job Shop调度问题的模拟退火算法改进

模拟退火算法是较常用和较理想的解决车间作业调度问题的方法,但由于算法本身的限制和JSP问题的特殊性,其效能难以很好地发挥。该文提出了2种针对JSP问题的改进模拟退火算法：回火退火算法和快速模拟退火算法,前者可以提高最终解质量,后者可以提高算法的运行速度;并以Matlab为工具进行了仿真实验,获得了较好效果。     

基于模拟退火算法的波束图设计

文中提出了基于模拟退火算法的波束设计方法.其思想是按照给定的波束优化要求,建立某种相应的目标函数,利用模拟退火算法对波束的加权系数进行全局寻优,达到波束优化的目的.模拟退火算法模拟了固体缓慢退火从而获得最低内能的物理过程,是一种简单而有效的随机性全局优化算法.为证明该设计方法的可行性和有效性,给出了15元平面阵的设计实例以及仿真结果.结果表明,使用该方法设计的波束与常规方法相比,获得了更低的旁瓣级.     

基于遗传算法和模拟退火算法的特征选择方法

针对模式识别时原始特征数量大而有冗余的现象,提出了一种基于遗传退火算法的特征选优方法。首先对遗传算法和模拟退火做了简要评论,然后在遗传算法中引入模拟退火的Boltzmann更新机制,以克服传统的遗传算法易于过早收敛和易于陷入局部极小的问题。最后阐述、设计了适应度函数和遗传算子。仿真实验表明,该方法在求解的效率和解的质量方面都达到了令人满意的效果。     

基于遗传算法和模拟退火算法的布局问题研究

文章在介绍遗传算法和模拟退火算法的基本理论及主要特点的基础上,提出了一个基于遗传算法和模拟退火算法的求解布局问题(矩形件排样优化)算法,并通过算例验证了该算法的有效性。     

基于GA-SA混合算法的VLSI门阵列布局设计

布局是VLSI布图设计中的关键环节，通常采用随机优化算法。该文采用遗传算法(GA)与模拟退火法(SA)相结合的搜索算法实现VLSI门阵列模式布局，利用遗传算法进行全局搜索，模拟退火法进行局部搜索。进化过程中采用精英保留策略，并对进化结果进行有选择的模拟退火操作，这样既加强了局部搜索能力又防止陷入局部最优。在复合布局目标函数中引入对最长线网的惩罚，其收敛速度比以总线长度为单一目标函数的要快。在交叉操作中，对交叉位置的选择采用了一种新的策略，增加了交叉的有效性。实验表明，此算法与简单遗传算法相比，有效地提高了全局搜索能力。     

改进型模拟退火算法在设备布局设计中的应用

由于设备布局问题是NP完全问题，它在有限合理的时间内难以求得最优解，因此问题的求解只能依赖于各种启发式方法。文章针对传统的模拟退火算法经常出现迂回搜索，导致搜索效率低，解的质量差这一现象，通过在传统模拟退火算法搜索过程中增加记忆功能，来避免迂回搜索，将改进的模拟退火算法应用于设备布局的研究中，通过实例证明改进的模拟退火算法解的质量有了很大提高。     

Adaptive temperature control for simulated annealing: a comparative study

In this paper, two variations of simulated annealing method have been proposed and tested on the minimum makespan job shop scheduling problems. In the conventional simulated annealing, the temperature declines constantly, providing the search with a higher transition probability in the beginning of the search and lower probability toward the end of the search. In the first proposed method, an adaptive temperature control scheme is used that changes temperature based on the number of consecutive improving moves. In the second method, a tabu list has been added to the adaptive simulated annealing algorithm in order to avoid revisits. The performance of these two algorithms is evaluated and favorably compared with the conventional simulated annealing.     

求解TSP的改进模拟退火算法

利用模拟退火算法给出了求解旅行商问题的一种新方法.在模拟退火算法的基本原理基础上,针对解变换只交换两个城市而容易落入局部最优解的缺点,提出了在解变换产生新解的过程中,采用逆转操作的改进方法.这使得迭代过程突破局部最优圈,然后跳到另一个搜索空间.这样能够使其更具多样性,改善了模拟退火算法的局部搜索能力.并将其应用于求解旅行商问题,显著改善了它局部寻优的能力.在几个公共测试数据集上的结果表明,算法稳定可行,在求解组合优化问题方面,具有良好的性能.     

一种基于模拟退火算法的模糊模式识别及其应用

针对谷物害虫图像识别的特点,提出了基于模糊理论的害虫图像识别方法。文中首先对模糊C-均值聚类作了简要分析和评论,在此基础上将模拟退火机制引入其中,以克服模糊C-均值聚类的局部性和对初始聚类中心的敏感性;然后,采用了基于贴近度和择近原则的模糊识别方法,文中分析了格贴近度的不足之处,并对之进行了改进;最后,详细设计了上述各算法。仿真结果说明,该方法在识别速度和准确率方面都达到了令人满意的效果,为害虫的在线检测提供了一种新思路,也拓展了模糊理论的应用范围。     

基于遗传模拟退火算法的移动机器人路径规划

针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高.