无约束优化问题模拟退火算法的改进

考虑如下无约束优化问题(Ｐ)　　　　　　　　　ｍｉｎｘ ｆ(ｘ)ｆ(ｘ)是Ｒｎ 中连续可微的函数 求解 (Ｐ)有多种有效方法 ,但基本上都只能保证求得 (Ｐ)的局部最优解 ,而不能保证求出整体最优解 1 983年 ,Ｋｉｒｋｐａｔｒｉｃｋ[1] 等人将固体退火过程与优化问题进行类比 ,提出了求组合优化问题整体最优解的模拟退火算法 这种方法与以往的一些算法相比 ,具有描述简单 ,使用灵活运行效率高和较少受初始条件限制等优点 ,而且特别适合并行计算 ,因此引起了广泛注意及进一步的工作[2 ] 受此方法的启发 ,1 987年 ,Ｃｈｉａｎｇ[3 ] 等人提…     

模拟退火算法的改进及其应用

模拟退火算法是随机优化近似算法。本文首先介绍其物理背景和一般形式，然后通过对算法增加记忆和返回两个功能以及在算法之后链接一个局部搜索过程，改善了算法性能，接着将改进算法应用于解旅游商问题，最后对该算法作简要的性能评论。     

模拟退火算法改进综述及参数探究

回顾模拟退火算法流程,对模拟退火算法现有的改进方法进行了系统的总结与评价.将模拟退火算法应用于求解Sobol’g函数的最小值,进而对模拟退火算法的三个关键参数:降温函数、初末温和马氏链长度进行探究.     

求解线性互补问题的一种新算法

包括数学规划、对策论、经济学和力学等应用领域中的某些问题,都可以转化成如下的线性互补问题:     

NP完全问题多项式时间算法研究

本文从代数及组合两个方面论证了NP完全问题存在多项式时间算法 .以往利用线性规划 (LP)技术来分析NP完全问题中的TSP问题 ,因其存在子环游问题 ,从而使问题得不到有效解决 .文中发展一分层网络 ,在求解TSP问题时 ,存在另一类(不完全 )子环游问题 .但两模型允许解集的交集避免了两类子环游基本可行解 ,从而使TSP问题可利用LP技术多项式时间内得以解决 ,同时给出了求哈密尔顿回路的多项式标记证明方法 ,开创了NPC问题研究的新局面 .     

带有延迟时间下界的k-(n1,1,…,1)-排序问题的拟多项式时间算法

讨论Wikum的关于带有延迟时间下界的k-(n1,1,…,1)-链形结构排序问题的拟多项式时间算法,其中当n1=2的情况已由Yin等人(1999)解决,这里主要以n1=3的情形为例作更加细致的分析,然后给出较Yin等人(1999)的算法更加有效的拟多项式时间算法.为了保持文章的连续性,也将列出Yin等人(1999)的n1=2的算法加以比较.     

一种改进的蚁群算法及其在TSP中的应用

蚁群算法是一种求解复杂组合优化问题的新的拟生态算法,也是一种基于种群的启发式仿生进化算法,属于随机搜索算法的一种,并用于较好地解决TSP问题.然而此算法也有它自己的缺陷,如易于陷入局部优化、搜索时间长等.通过对基本蚁群算法的介绍及相关因素的分析,提出了一种改进的蚁群算法,用于解决TSPLAB问题的10个问题,并与参考文献中的F-W、NCSOM、ASOM算法进行比较,计算机仿真结果表明了改进算法的有效性.如利用改进的蚁群算法解决lin105问题,其最优解为14382.995933(已知最优解为14379),相对误差是0.0209%,计算出的最小值几乎接近于已知最优解.     

一个基于离散填充函数的整数线性规划方法

本文提出了一个有效的解决整数线性规划的新算法.如果离散化的局部搜索过程陷入局部最优解,则构造相应的离散填充函数,引导搜索过程跳出局部最优解并得到更好的解.该方法是在离散空间中进行优化的,无需增加新的约束,且一直保持整数可行性,收敛的速度非常快.该方法也为一般整数规划提出了一种新的途径.数值实例表明,与现有的方法相比,该算法能够较快的找到最优解.     

一种新的线性规划多项式时间算法

本文给出了一种新的线性规划多项式时间算法。在此算法中，每步可沿一族方向中的一个进行线性搜索，同时，还使用了开关策略，从而大大减少了求逆矩阵的次数，最后，证明了算法经Ｏ（ｎＬ）次迭代结束。     

模拟退火算法的原理及实现

１问题的由来在自然科学、管理科学和工程技术等科技领域,存在着大量的组合优化问题（Ｃｏｍｂｉｎａ－ｔｏｒｉａｌＯｐｔｉｍｉｚａｔｉｏｎＰｒｏｂｌｅｍ）,其中的ＮＰ完全问题（ＮｏｎｄｅｔｅｒｍｉｎｉｓｔｉｃＰｏｌｙｎｏｍｉａｌＣｏｍｐｌｅｔｅＰｒｏｂｌｅｍ）,其求解时间随问题规模呈指数级增长,当规模稍大时就会因时间限制而失去可行性（Ｆｅａｓｉｂｉｌｉｔｙ）［１－４］．如著名的货郎担问题（Ｔｒａｖｅｌｉｎｇ　Ｓａｌｅｓｍａｎ　Ｐｒｏｂｌｅｍ,简记为ＴＳＰ）,即在ｎ个顶点的完全图中找一条最小Ｈａｍｉｌｔ…     

连锁—遗传算法中的一种启发式方法

１引言遗传算法（ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ,简称ＧＡ）是由美国密执安大学教授ＪｏｈｎＨｏｌｌａｎｄ提出的,其依据为达尔文的进化论和盂德尔的遗传学说．该算法效法自然界中各物种的进化过程,是一种随机搜索算法,广泛应用于解决各种优化问题．２生物遗传学中的连锁生物遗传学中的连锁现象是Ｂａｔｅｓｏｎ和Ｐｕｎｎｅｔｔ在１９０６年发现的,他们在研究香豌豆的两对性状的遗传时,观察到同一亲体遗传来的基因较多地联在一起,这就是基因的连锁（ｌｉｎｋａｇｅ）现象．这里应给玉米的例子来说明遗传学上的连锁现象．设基…     

环面上具有间断梯度的势函数的模拟退火

本文证明了环面上具有间断梯度的势函数的模拟退火过程：dXt=-VU(Xt)dt √2dWt概率收敛到势函数的全局极小集附近。     

求解整数规划问题的混合遗传算法及收敛性

1引言 科学和工程领域中的许多优化问题最终可以归结为求解一个带有约束条件的整数规划问题.其形式为: {maxx∈In f(x) s.t.gi(x)=0,j=1,…,me; gi(x)≥0,i=me+1,…m, x∈nΠi=1 Ai, 式中I表示整数集,x=(x1,…,xn)T,Ai(i∈{1,…,n})为有限整数集. 遗传算法作为一种优化技术,是一种近似算法,一般不能保证一定能得到优化问题的精确解.     

Optimal acceptance probability for simulated annealing

The objective of this note is two-fold: first, to prescribe a rather general form for the acceptance probability which will attain the Gibbs distribution for a stationary Markov chain; second, to find the particular one that will maximize the rate at which equilibrium is reached.     

Markov链的收敛性与信息熵增加定理

本文定义并证明了Markov链的收敛性，在此基础上得到了与能耗系统“熵增加原理”相对应的Markov链信息系统熵增加定理．     

Improved Large-Step Markov Chain Variants for the Symmetric TSP

The large-step Markov chain (LSMC) approach is the most effective known heuristic for large symmetric TSP instances; cf. recent results of [Martin, Otto and Felten, 1991] and [Johnson, 1990]. In this paper, we examine relationships among (i) the underlying local optimization engine within the LSMC approach, (ii) the kick move perturbation that is applied between successive local search descents, and (iii) the resulting LSMC solution quality. We find that the traditional double-bridge kick move is not necessarily optimum: stronger local optimization engines (e.g., Lin-Kernighan) are best matched with stronger kick moves. We also propose use of an adaptive temperature schedule to allow escape from deep basins of attraction; the resulting hierarchical LSMC variant outperforms traditional LSMC implementations that use uniformly zero temperatures. Finally, a population-based LSMC variant is studied, wherein multiple solution paths can interact to achieve improved solution quality.     

一类非线性椭圆问题的Schwarz算法

其中考虑下述泛函最小问题:求u∈W01,α(Ω),使F(u)=