用蚂蚁算法和模拟退火算法解大规模TSP问题的研究

TSP问题是一个NP完全问题。随着问题规模的增大,其解空间呈指数增长,无法在多项式时间内完成问题的求解。近几十年来,人们提出了许多基于生物理论的解决该问题的 新方法。本文应用蚂蚁算法、模拟退火算法对TSP问题进行求解。在求解过程中对各算法中参数的作用和设置方法作了一些分析,使用不同参数进行多次实验,验证参数设置原则;对不同规模的TSP问题进行实验,比较两个算法的性能,分析造成其性能差异的原因,并提出了改进建议。     

解布局问题的四元组数据结构及其模拟退火算法

本文提出解布局问题的四元组数据结构，并根据该结构给出求解的模拟退火算法的基本程序。该结构和算法可直接用于求解复杂的布局问题，具有直接的实用价值和重要的理论意义。     

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     

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.     

广义3—D分配问题的模拟退火 算法求解

广义３－Ｄ分配问题属于ＮＰ难题。本文用模拟退火算法ＳＡ和笔者提出的改进模拟退火算法ＩＳＳＡ来研究广义３－Ｄ分配问题。理论分析和我们的编程远行结果表明，基于感举集的模拟退火算法ＩＳＳＡ是模拟退火算法ＳＡ的有效改进。本文所提出的两上算法是解决广义３－Ｄ分配问题的有效且实用的算法。     

垂直迁移的模拟退火算法

垂直迁移是提高系统性能的一项重要技术,本文基于模拟退火思想,给出垂直迁移的一种算法,该算法对于函数间存在调用关系的大函数集的垂直迁移可获得全局优化解。     

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。     

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。     

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。     

退火遗传算法在曲面求交中的应用

成功地将退火遗传算法与跟踪法结合应用于曲面求交算法中,通过将遗传算法与局部搜索策略相结合来提高演化效率,由于充分利用了遗传算法的全局搜索能力和内在并行性,以及跟踪法的局部快速收剑性,系统可以进行稳定可靠的交线计算,并得到正确的交线拓扑结构,对该算法各个部分进行了详细论述,并给出了在一个基于Ｗｉｎｄｏｗｓ／ＮＴ平台的原型系统ＴｉｇｅｒＳｕｒｆ中的实现和结果数据。     

六轴联动创成式电火花粗加工电极轮廓计算的模拟退火算法

1.前 言 涡轮机械制造业随着新型功能材料的应用,设计理论的不断进步,整体轮盘叶片三维复合扭曲等先进结构的引入而面临着越来越强的挑战.传统的加工方法有机械加工、精密锻造、特种焊接技术(摩擦焊、真空钎焊)电解加工、电火花加工等工艺方法.但是随着性能要求的     

基于加速模拟退火策略的Agent协商优化算法

网络的普及促进了电子商务的发展,而智能代理是电子商务的关键,如何实现智能代理的快速、高效协商是一个很重要的问题。本文在加速模拟退火策略的基础上,提出了一种Agent协商优化算法。理论分析和仿真实验都表明该算法是一个快速、有效的方法。     

基于模拟退火的查询优化算法的设计与实现

提出了一种基于模拟退火方法的查询优化算法，在查询策略的状态空间上构造了模拟退火处法的一个原型，利用模拟退火算法对联结操作进行了优化。实验说明，该算法得到的执行策略优于传统算法得到的执行策略。     

遗传模拟退火算法解决纸箱生产的损耗问题

纸箱包装行业是一个传统的产业,在纸箱生产中需要拼单来降低修边损耗以减少成本.根据生产上的实际经验提出了问题的数学模型,针对该模型,将遗传算法和模拟退火算法结合,解决了遗传算法的收敛过快以及局部搜索能力不强的问题.在选择操作中直接保存优秀个体,来增强算法的收敛性.在变异和交叉操作中采用自适应的变异和交叉概率,增强了搜索解空间的均匀性,并引入了记忆功能,最终获得问题的近似最优解.     

一种低信噪比图像的模拟退火恢复算法

本文根据马尔可夫(Markov)随机场模型和全局最大后验概率估计技术提出了一种模拟退火图像恢复算法.应用这种算法对混入可加性独立高斯噪声的试验图像进行恢复的实验结果表明,该算法对低信噪比图像数据的恢复处理非常有效.     

一个分阶段的综合模拟退火方案

本文首先讨论了传统模拟退火的优缺点，然后提出了一个阶段的模拟退火方案。并对这一综合方案进行了详细的讨论与分析。     

混沌遗传模拟退火组合算法性能研究

提出了一种混沌遗传模拟退火组合算法.为了提高算法的收敛速度,对遗传算法的适应度进行了拉伸操作,并且对模拟退火算法进行了改进,使其搜索范围随退火温度的降低而缩小.最后通过对4个典型函数的模拟,对算法的性能进行了研究.实验结果表明,该算法能明显改善传统遗传算法的性能,具有较强的全局搜索能力和较快的收敛速度.     

基于遗传模拟退火算法的多约束QOS组播路由优化算法

组播路由问题在计算机网络中是著名的Steiner树问题,是NP完全问题.通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,首次提出了一个基于遗传算法和模拟退火算法的多约束组播路由优化算法,该算法在满足带宽、延时、延时抖动及包丢失率约束条件下寻找代价最小的组播树.     

基于模拟退火算法思想的粒子群优化算法

粒子群优化是由Eberhart博士和Kennedy博士于1995年根据鸟或鱼群居社会行为而提出的。本文提出了4种改进的算法,特别推荐结合模拟退火算法思想提出的一种新算法。经过与基本粒子群算法比较测试,证实它是一种简单有效的算法。