面向多旅行商问题的多目标模拟退火算法研究

多旅行商问题是经典旅行商问题的一种演化,考虑一些约束,可以转换为一些较现实的问题,具有较高的理论研究和应用价值.在多旅行商问题中,一个任务由多位旅行商共同完成,问题的求解难度较经典旅行商问题更大.现有的研究中指定旅行商个数,将问题转换为固定数量的多旅行商问题.本文构建了求解pareto解的多目标多旅行商问题模型,针对一定规模的城市数量和约束的问题,获得多旅行商问题中旅行商的合适数量.本文将旅行商的个数和多旅行商的最长访问路径作为优化目标,采用改进的多目标模拟退火(IMOSA)算法和传统的多目标遗传算法对问题进行了求解.采用30个城市的旅行商问题对两种算法进行了测试,发现改进的多目标模拟退火算法相较于多目标遗传算法计算复杂度低,且能发现较好的pareto解,算法性能更优.     

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛.采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况.     

一种带记忆的模拟退火算法求解TSP问题

模拟退火算法是求解组合优化问题的一个有效方法.在模拟退火算法的基础上提出了一种带记忆的改进算法.在改进算法中增加了记忆功能,将当前最优解记忆下来;设计了一个温度更新函数,保证温度更新有一定的自适应性;增加补充搜索过程,以提高算法的全局搜索能力.最后将此算法应用到旅行商(TSP)问题中,在若干公共测试数据集上的实验结果表明,该算法是有效可行的.     

浅析用摸拟退火算法求解旅行商问题

模拟退火算法是一种重要的现代优化算法,通过介绍模拟退火算法的形成原理、算法步骤和求解旅行商问题,重点阐述了模拟退火算法的主要优点和缺点.     

基于MATLAB的模拟退火算法的实现

阐述了模拟退火算法的基本原理及实现过程,运用MATLAB语言实现了该算法.并将其运用到解决旅行商问题的优化之中.数值仿真的结果表明了该方法能够对函数进行全局寻优,有效克服了基于导数的优化算法容易陷入局部最优的问题.该方法既可以增加对MATLAB语言的了解又可以加深对模拟退火过程的认识,并达到以此来设计智能系统的目的.     

基于TSP的蚁群退火混合算法研究

本文介绍了蚁群算法和模拟退火算法的基本原理及优缺点,详细阐述了这两种不同混合算法在旅行商问题中的实现流程.     

基于模拟退火算法的均衡路程MTSP

本文提出了总行程最小和任务均分的多目标的多旅行商问题,并建立了相应的数学模型和求解算法。最后利用模拟退火算法对中国31个主要城市（以武汉为同一始发站）的任务均分的多旅行商问题进行仿真。     

基于HFC-ADM模型对SA的改进及应用

通过分析模拟退火算法（SA）以及利用分等级公平竞争（HFC）模型对SA改进的固有缺陷,提出新的基于自适应输入阀值的HFC模型（HFC-ADM）的模拟退火算法及其算法流程,同时进行详细的数学描述。最后以求证旅行商问题（TSP）为例,通过统计数据验证了改进后的算法较采用同样局部优化的标准退火算法和分等级公平竞争的模拟退火算法具有更好的收敛速度和优化解。     

基于MATLAB的模拟退火算法的实现

阐述了模拟退火算法的基本原理及实现过程，运用MATLAB语言实现了该算法．并将其运用到解决旅行商问题的优化之中．数值仿真的结果表明了该方法能够对函数进行全局寻优，有效克服了基于导数的优化算法容易陷入局部最优的问题．该方法既可以增加对MATLAB语言的了解又可以加深对模拟退火过程的认识，并达到以此来设计智能系统的目的．     

和声模拟退火算法及其在旅行商问题中的应用

分析了模拟退火与和声搜索算法各自的特点和缺点,结合两者的优缺点提出了一种新的和声搜索与模拟退火算法的组合算法,将新的算法应用到旅行商问题(TSP)求解.实验结果表明,改进的算法具有更快的收敛性同时能得到比较好的结果.     

一种求解旅行商问题的信息传播算法

针对旅行商问题求解精度较差、容易陷入局部最优等缺点,提出一种新的求解旅行商问题的信息传播算法.根据旅行商问题的特征,将线性方程嵌入信息传播算法方程中得到旅行商问题的势函数,进而将其转换为因子图,在因子图上利用信息传播算法的迭代方程进行迭代计算.在迭代过程中选择边际信念的最小值,从而得到旅行商问题的初始解,在算法达到设定...     

用改进的遗传算法求解中国旅行商问题

遗传算法是基于生物进化原理的普适性全局优化算法，针对一类ＮＰ完全的组合优化问题－旅行商问题，提出用交换算子操作和模拟退火思想对遗传算法进行改进，显著提高了算法的优化效率，到目前为止，中国旅行商问题的最优解是１５４２６ｋｍ，使用改进的遗传算法，仅利用城市间的距离信息求解中国诱行商问题，得到了１５４０９ｋｍ的更优结果。     

改进的单亲遗传算法在TSP问题中的应用

本文提出了求解旅行商问题(TSP)的一个改进的单亲遗传算法。首先,定义了距离系数的概念,并据此设计了一种新的贪心基因段交换算子;同时结合一个模拟退火和2OPT局部搜索技术来改进该算子;然后,在此基础上提出了一个求解旅行商问题的一个新的单亲遗传算法。计算机仿真结果表明,该算法是有效的。     

基于随机机会约束规划模型的旅行商问题及其求解算法

为了提高旅行商的效率,将旅行时间引入旅行商问题(TSP),以最短时间和最短路径为目标对旅行商问题进行求解。假设旅行商在不同城市间的旅行时间服从正态分布,以最短路径为优化目标,将旅行时间以一定的置信水平成立作为机会约束条件,构建了旅行商问题的随机机会约束规划模型。提出已构建模型的确定性等价类,设计出遗传算法并编写算法代码,以一定规模的城市为例进行仿真验证。结果表明:给定期望的总旅行时间和置信水平时,可经过计算得出最短距离,并绘制出最优路径图,同时验证了所提出模型的可行性和算法的有效性。     

一类多出发点多旅行商问题规划算法

提出了一种基于K-means聚类算法的多出发点多旅行商问题求解的新方法.算法定义了节点的吸引度,通过节点吸引度矩阵进行子环游节点集的归类,并对各子环游应用单旅行商启发式算法进行求解.实例表明,此规划算法能很好地求解多出发点多旅行商问题.     

基于模拟退火的动态蚁群算法求解TSP

旅行商问题是智能算法研究中的一个经典问题,同时也是检测智能算法的标尺.在是蚁群算法的参数随着迭代的进行做动态调整的基础上,运用模拟退火算法对取得的局部最优解进行调整,使蚁群算法跳出局部最优,得到更好的解     

白噪声混沌神经网络的模拟退火策略

分析了白噪声混沌神经网络模型的动力学特性和对自反馈连接权值的敏感性,研究了退火函数在优化过程中对准确性和计算速度的影响.利用分段模拟退火思想对白噪声混沌神经网络进行改进,使得该网络模型在保证优化算法准确性的基础上,加快了收敛速度,并通过对经典旅行商问题的仿真实验,表明算法具有很强的克服陷入局部极小点的能力,较大程度地改善了原模型的求解组合优化问题的能力,验证了这种分段模拟退火策略的有效性.最后说明了模型参数对改进网络性能的重要性.     

量子退火理论及其应用综述

量子退火算法是在经典模拟退火算法基础上演进出来的一种新的量子优化算法.与经典模拟退火算法利用热波动来搜索问题的最优解不同,量子退火算法利用量子隧穿效应使得量子具有穿透比其自身能量高的势垒的能力,从而使算法摆脱局部极值,以更高概率逼近全局最优.目前,量子退火算法在组合优化类问题中已展现出良好的优化性能.本文系统地综述了D-Wave量子计算机核心原理——量子退火算法的基本概念及其应用领域,较为详细地分析了量子退火算法在密码学、旅行商问题、图着色问题、交通路径等领域的应用,并对未来量子退火算法的更多待深化与探索的方向进行展望.     

基于滤子的模拟退火算法

利用滤子给出一种求解约束优化问题的新的模拟退火算法.在迭代过程中,该算法可通过现有算法自行产生试探点,然后借助滤子判断某个试探点是否被接受做为新的迭代点.此方法描述简单,使用灵活,而且较少受初始条件限制.     

热轧调度的数学模型及解法

研究了钢铁厂的热轧调度问题 ,将其转化为带有能力约束的多旅行商问题 ,并对此给出一个启发式算法 .