改进遗传模拟退火算法求解TSP

遗传算法和模拟退火算法均是解决TSP的有效方法,分析2种算法各自的优缺点,在已有遗传模拟退火算法的基础上进行改进并用于求解TSP.引用部分最近插入法、部分随机产生初始种群,减小了群体多样性与收敛速度的矛盾.在遗传算法中,使用精英保留策略对选择操作进行改进,保证种群的质量;引入进化逆转算子,使子代继承亲代的较多信息,增强搜索能力.经过国际公认的TSPLIB实验数据仿真验证,改进后的遗传模拟退火算法搜索最优能力提高.     

基于LabVIEW仿真实现TSP问题的模拟退火算法

针对旅行商问题（TSP）具有的易于描述却难以处理的NP完全难题、其可能的路径数目与城市数目是呈指数型增长的、求解困难的特点。本文首次采用LabVIEW仿真实现模拟退火算法来求解该问题。仿真结果表明LabVIEW独有的数组运算规则可有效的实现该算法求解TSP问题,相比较其它方法,该方法更简单、实用、计算精度高、速度快,并...     

模拟退火算法及改进研究

模拟退火算法(SA)是一种适合解决大规模组合优化问题的算法。模拟退火算法源于对固体退火降温过程的模拟,采用Metropolis准则,包括状态空间、状态产生函数、冷却进度表和Metropolis准则及内外循环终止的准则等几要素。模拟退火改进策略主要有自身要素的改进和与其它搜索算法相结合。SA与GA(遗传算法)相结合,可使算法在全局和局部的搜索能力均有提高,是近几年研究的热点。     

改进的蚁群算法及其在TSP问题中的应用

针对蚁群算法容易陷入局部最优解的缺点,提出了一种改进的蚁群算法。该算法通过禁忌当前取得的最优路径,有选择地更新信息素,而后重新搜索,有效提高了基本蚁群算法的寻优能力。文中将改进后的蚁群算法应用于TSP问题,通过对典型的Eil51.tsp进行测试,证明了改进后算法的可行性有和效性。     

蚁群算法在解决TSP问题中的应用

文章首先对蚁群算法与TSP问题进行简要介绍,在此基础上对蚁群算法在解决TSP问题中的应用进行论述。期望通过本文的研究能够对TSP问题的解决有所帮助。     

分层协同进化免疫算法及其在TSP问题中的应用

为提高人工免疫算法求解TSP问题的效率,借鉴分层和协同进化的思想,构造了一种基于多子种群免疫进化的两层框架模型,在此模型的基础上提出了一种基于竞争一合作的分层协同进化免疫算法(Hierarchical Co-evolution Immune Algorithm,HCIA).HCIA通过对若干个子种群进行低层免疫操作:局...     

TSP问题的一种快速求解算法

针对现有遗传算法收敛速度慢和容易"早熟"两大缺陷,提出一种新的遗传算法求解TSP问题.该算法融入不同的启发式算法分别作为交叉和变异算子,并引入外部最优个体集,以改善局部搜索能力弱的情况和增加群体多样性.通过对该算法的测试,论证了其有效性.以此为基础,利用递归分治策略,将上述算法并行化.实验结果表明,该算法可以得到理想的解和收敛速度,具有一定的普适性.     

用模拟退火算法求解旅行商问题

用模拟退火算法对求解旅行商组合优化问题作了一定的研究，提出了多种不同的随机抽样方式，并对其进行了分析计算。通过实验表明，在满足模拟退火算法全局收敛性的情况下，子排列反序并移位抽样方式对求解NP完全问题是非常有效的。     

模拟退火算法在单目标规划问题中的应用

模拟退火算法是一种用于解决连续、有序离散和多模态优化问题的随机优化技术。它对于非常复杂，高度非线性的大型系统优化的求解，表现出比其他传统优化算法更加独特和优越的性能。现介绍了模拟退火算法的原理、数学模型及其求解步骤，并以一实例来说明模拟退火算法在解决组合优化问题时的有效性和优越性。     

基于遗传模拟退火算法的约束求解

简述了遗传算法和模拟退火算法的特点,提出在约束求解中将两者结合起来,能大大提高算法的效率,并对此进行了实例分析。     

基于遗传模拟退火算法的Otsu图像分割研究

针对目前基本遗传算法在优化图像分割算法中存在的易于早熟、陷入局部最优的不足,以最大类间方差函数为适应度函数,提出了一种基于改进遗传算法的图像阈值分割算法.对交叉、变异算子进行自适应改进,同时将模拟退火算法融入到遗传算法中,使得对个体的评价更合理,既能克服种群退化现象,又改善算法的全局搜索能力,避免遗传算法陷入局部最优.实验结果显示,与Otsu图像分割法以及基于遗传算法的图像分割方法相比,使用该方法得出的阈值范围更加稳定,执行效率更高,在图像分割中获得的分割效果更佳.     

一种用于分组调度的遗传模拟退火算法

分组调度已成为高速IP路由器中的关键技术之一。文章基于目前高速路由交换技术所采用的主体结构,带有虚拟输出队列（Virtual-output—Queue,VOQ）的输入队列交换结构,提出了一种遗传模拟退火算法,并将该算法应用于分组调度问题的求解之中。通过遗传模拟退火算法和传统遗传算法的仿真结果可以看出,遗传模拟退火算法具有良好的鲁棒性和收敛性。     

基于函数复杂度的自适应模拟退火和禁忌搜索新算法

在求解多峰复杂函数的过程中,传统的模拟退火算法和禁忌搜索算法经常出现算法快速收敛于局部最优解、后期收敛速度变慢和搜索能力变差等问题.为解决这些问题,本文给出函数复杂度的定义,并提出基于函数复杂度的自适应模拟退火和禁忌搜索算法.该算法首先根据函数复杂度自适应调整步长控制参数,然后根据调整后步长求得函数的粗糙解,在此基础上再使用初始步长求得全局最优解.实验表明,该算法不仅可以跳出局部最优解的限制,并且减少了迭代次数,有效地提高了全局和局部搜索能力.     

基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题

提出了一种基于模拟退火的自适应离散型布谷鸟算法求解旅行商问题.该算法在布谷鸟搜索算法原理的基础上,构造了旅行商问题的路径求解策略.由于算法的局限性,随着算法的调整和迭代次数的增加,容易破坏已形成的路径,从而使得算法通用性不强.针对这一局限性,本文提出了一种自适应局部调整算子和全局随机扰动策略.采用简单的2-opt算子作为局部优化算子加快算法收敛速度,引入模拟退火机制防止算法陷入局部最优.采用标准TSPLIB多组数据进行测试,并与有代表性的优化算法进行结果比较.实验结果证明了该算法在精度和稳定性方面的优势.     

模拟退火遗传算法在混凝土层析成像中的应用

混凝土超声层析成像检测中,成像结果的稳定性和精确性仍很难满足实际要求.针对这个问题,提出一种基于模拟退火遗传算法的层析成像技术,根据超声波在混凝土中的传播特点,首先在反演算法中引入物理意义明确的自然权函数,形成二次增广目标函数方程;而后加入模拟退火搜索,使层析过程加速,并改善算法收敛性和稳定性;最后通过多位变异自适应遗传算法计算最优反演层析成像结果.数值仿真实验表明,由于利用了正确的先验信息,加上遗传模拟退火算法在寻找函数极值方面具有优良的特性,计算结果准确有效,数值稳定,成像结果能真实有效地反映对象内部缺陷,分辨力得到了明显改善.     

用单纯形模拟退火混合算法反演地声参数

提出了一种基于下降的单纯形算法和模拟退火算法的混合优化算法用于反演地声参数。下降的单纯形方法对于目标函数的梯度信息相当敏感,因此在参数空间中能迅速地移向极小点,但由于它只能向下移动,因而往往易陷入局部极小且依赖初始条件。而模拟退火算法使用随机选取的目标函数值在参数空间中搜索最佳答案,其结构有利于从局部极小中跳出,但是由于它不能利用目标函数的梯度信息因而对参数空间的搜索效率很低。混合方法结合了下降的单纯形方法与快速模拟退火方法这二者的优点,能更有效、更迅速地获得全局最优点。     

基于模拟退火算法的全国最优旅行方案

以如何走遍全国各省会、直辖市、香港、澳门、台北为基础设计旅行方案,对旅行时的路径最短,费用最少等现实问题进行分析,在充分考虑旅行费用与路线,时间与交通工具的关系后,以实现路径最短与费用时间最少为目标,进行系统建模,并应用模拟退火算法对模型进行求解,得出了一条综合考虑省钱、省时的旅行路径。结果表明了该旅行方案的正确性和现实价值。     

基于模拟退火思想改进的粒子群算法求解背包问题

针对典型的背包问题,给出了一种基于粒子群算法的求解方法。考虑到粒子群算法在解决问题时容易陷入局部最优的缺点,将模拟退火（SA）思想引入到了粒子群算法中,得到了粒子群——模拟退火算法。该算法保持了粒子群算法原有的简单易实现特点,同时改善了粒子群算法易陷入局部最优的缺点。实验结果表明,该算法具有较好的求解质量。     

基于模拟退火算法的航迹规划方法研究

突防航迹规划是氨航导弹胶期蝇的重要内容。文章将改进的模拟虎法用于解决航迹规划最优寻找问题,通过对各种规模,不同复杂度地形的大量实验,总结了在巡航导弹航迹规划问题中应用模拟退火算法的一些定性原则,证实了该算法在航迹规划方面应用的可行性。