求解车间作业调度问题的混合遗传模拟退火算法

为了克服传统遗传算法解决车间作业调度问题的局限性,结合遗传算法(GA)和模拟退火算法(SA)的优点,提出一种混合遗传模拟退火算法(GASA),以便高效地解决车间作业调度问题.该算法既发挥了遗传算法收敛速度快、模拟退火算法搜索面广的优点,又克服了前者收敛容易早熟而后者收敛速度较慢的问题.在算法的操作细节上,加入自适应调整的遗传操作及最优个体保留策略,以及增加记忆功能的模拟退火操作与收敛准则.从而既防止了算法会陷入局部最优解的问题,又提高了算法的收敛速度及搜索效率.将提出的混合遗传模拟退火算法(GASA)应用于Muth和Thompson基准问题的实验运行,证明了该算法的高效性和有效性.     

多目标动态车辆路径问题建模及优化

针对物流配送中动态车辆路径优化问题,综合考虑动态需求、路网影响、车辆共享、时间窗以及客户满意度,建立了多目标动态数学规划模型,该模型能更好地描述现代物流配送问题.同时,提出一种两阶段求解策略,第一阶段采用多目标混合粒子群优化算法获取预优化阶段Pareto最优解,采用改进的粒子状态更新策略并融合模拟退火操作提升粒子群搜索性能,采用自适应网格技术保持解的分布性;第二阶段对客户的需求变化采用贪婪插入和变邻域搜索进行实时路径调整.实验表明,该算法在解空间中有更好的探寻能力,并能快速收敛到全局最优,满足动态路径优化实时性要求.     

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.     

基于QS-ML-PMHT的多目标无源协同定位方法

针对目标个数未知时无源协同定位系统低可观测目标的航迹起始及维持问题,提出一种基于拟蒙特卡罗模拟退火极大似然概率多假设的双基站多目标无源协同定位方法。首先,建立双基站无源协同定位系统数学模型。其次,提出基于极大似然概率多假设的多目标无源协同定位航迹起始算法,通过假设法确定目标个数,并首次利用拟蒙特卡罗模拟退火算法解决极大似然概率多假设中多目标的优化求解问题,以提高多目标检测跟踪性能。最后,通过滑窗法实现航迹维持。仿真结果表明,所提方法能够有效解决目标个数未知时双基站无源协同定位系统低可观测目标的航迹起始及维持问题。     

具有自学机制和退火选择的教学优化算法

为了克服教学优化(TLBO)算法容易早熟,解精度低的弱点,提出一种具有教师自学和学生选择学习的改进教学优化算法。在每次迭代过程中教师个体首先通过反向学习(OBL),实现教师的自我提高,加强优秀个体周围邻域的搜索,引导算法向包含全局最优的解空间逼近,保证算法具有较好的平衡和探索能力。学生个体通过随机执行反向学习进行自学习,同时亦向教师个体进行学习,计算两种学习方法后的状态相对教师个体的突跳概率,并以此概率为基础进行轮盘赌产生子个体。通过在多个标准测试函数上的实验仿真并与相关的算法对比,结果表明所提出的改进算法具有更高的收敛速度和收敛精度。     

欠定条件下弱稀疏源信号混合矩阵盲估计

针对源信号的稀疏性影响欠定混合矩阵的估计精度, 在源信号单源频率及非单源频率分量分析的基础上,通过对观测信号频率峰值的幅值比值所 构成的列向量聚类,提出欠定条件下弱稀疏源信号混合矩阵的盲估计方法。鉴于经典聚类算 法的局部收敛性带来聚类结果的不稳定性,采用全局收敛特性较好的遗传模拟退火聚类算法 提高聚类结果的鲁棒性。仿真实验表明,本文提出的混合矩阵估计方法及采用的聚类算法 在不同欠定条件及噪声环境下具有较强的估计性能。     

文化基因算法求解TSP问题的研究

TSP是组合优化问题中著名的NP-hard问题。针对粒子群算法求解离散的TSP问题收敛速度慢,求解精度低,易于陷入局部最优和模拟退火算法的性能与参数初始值有关及参数敏感等不足,提出了将改进的粒子群算法作为全局搜索策略,改进的模拟退火算法作为局部搜索策略的文化基因算法。介绍了两种算法的协同方法,定义了局部搜索邻域的确定以及在新种群产生中引入自组织随机移民策略。仿真结果表明,改进算法在求解TSP问题中具有很快的收敛速度,且能搜索到最优解。     

混合遗传算法在铁路网车流分配中的应用

为减少铁车流在铁路网上的输送消耗以及均衡铁路线路的利用率,构建铁路网车流分配的多目标规划模型,针对传统智能算法在求解该问题时收敛性弱、易陷入局部最优的缺陷,提出设计自适应规则及退火策略的混合遗传算法进行求解仿真.采用特殊的染色体编码方式满足约束条件,对基本遗传算法的交叉、变异算子进行自适应改进,加强了算法的收敛性,引入模拟退火策略,提高了算法的邻域搜索能力.仿真结果表明,混合遗传算法在收敛代数以及求解性能上均有较大改进,可为车流分配问题提供有效解决方案.     

基于并行群体模拟退火算法的蛋白质折叠研究

蛋白质折叠研究对于揭示蛋白结构和功能关系,进而了解相关疾病的致病机理意义重大。蛋白质折叠已被证明是 NP-完全问题。本文针对蛋白质折叠研究中的能量最小化问题,提出了一种新的并行群体模拟退火算法（Parallel Group Simulated Annealing,PGSA）及其改进型算法（PGSA_1/K)。该算法使用了降温因子加速收敛精度,并采用 MPI 消息传递并行编程技术加快蛋白质结构空间搜索以及能量最小化寻找速度。以 Met_Enkephalin 蛋白为对象的计算机模拟仿真结果表明,我们提出的算法及其改进型有很好的扩展性,可以高效搜索蛋白结构空间,从而找到相关蛋白的最小能量结构。     

基于模拟退火—遗传算法的非线性密钥序列生成器线性复杂度研究

计算线性等价是研究非线性密钥序列生成器线性复杂度的有效方法。本文先介绍了计算线性等价的模拟退火法,然后使用遗传算法对该算法进行改进,最后使用一组密钥序列生成器对改进后的算法进行性能评估,并将改进后的算法和原算法进行了比较。结果表明改进后的算法能比原算法更有效的找到非线性密钥序列生成器的线性等价。