基于遗传模拟退火算法的电磁齿轮结构参数优化

针对电磁齿轮优化设计属于多极值点非线性规划的问题,在分析了电磁齿轮结构参数与电磁性能关系的基础上,提出一种以体积最小为目标函数的电磁齿轮参数优化数学模型.采用在遗传算法中引入模拟退火算法接受准则的优化设计算法,较好解决了传统遗传算法局部寻优能力差和搜索效率不高的问题.用复合形法与本方法对比,对于电磁齿轮的体积,前者为原设计的60.49%,本方法为原设计的47.57%.算例表明所提出的方法具有良好的性能.     

基于遗传模拟退火算法的任务分配与调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源。因此计算任务在各种资源之间的调度成为了一个关键的问题。结合遗传算法GA和模拟退火算法SA的优点,提出了一种全局遗传模拟退火算法GGSAA,并将算法应用于网格计算任务调度问题的求解之中。最后给出了GGSAA算法的仿真结果。     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

基于混合蚁群与遗传模拟退火的QoS组播路由算法

对于网络业务,服务质量(QoS)包括传输的带宽、传送的时延、数据的丢包率等.通过使用蚁群算法的自组织能力自动搜寻得到备选路径集,结合遗传模拟退火算法(GSAA)对产生的这些备选路径进行选择、交叉、变异、模拟退火来产生的一个路由协议综合缩短网络的路径消耗以及提高网络传输的服务质量.     

融合模拟退火的改进教与学优化算法

针对教与学优化算法(TLBO)在解决复杂优化问题时易陷入局部最优的缺点,提出了一种融合模拟退火的改进教与学优化算法(SAMTLBO).该算法首先对学员阶段做了改进,在保持TLBO算法简单易实现的基础上,利用模拟退火方法增强了TLBO算法摆脱局部最优的能力,最后用4种算法对8个无约束优化函数仿真.数值实验表明,该算法无论是在收敛速度还是在寻优精度上均优于基本TLBO算法、ETLBO算法和DMTLBO算法.     

改进的遗传模拟退火算法在TSP中的应用

在介绍遗传算法和模拟退火算法的理论基础上，分析遗传算法和模拟退火算法的主要优缺点，提出了一种改进的遗传模拟退火算法。结合两种算法的优点，对其中的复制、交叉、变异操作进行了改进，并将该算法应用于TSP问题的求解之中。最后给出用该算法求解TSP问题的具体实现过程，并进行仿真实验，验证了该算法的有效性。     

模拟退火算法及其改进

介绍了模拟退火算法的背景、原理和具体实现方法，分析了它的不足之处，讨论了它的改进措施，并进行了仿真实验验证。     

基于改进模拟退火算法求解TSP问题

对传统模拟退火算法的原理和不足进行分析,针对TSP问题的特点提出了改进的模拟退火算法.就传统模拟退火算法生成新解的随机性太强、参数设置不当不能搜索到全局最优解、容易丢失当前最优解等问题提出了新的初始解选择方案、新解生成机制和当前解的改良及增加记忆功能等方法.实验结果表明,新算法传统的模拟退火算法具有更快的收敛速度和更高的稳定性.     

基于模拟退火的改进粒子群算法研究

为克服粒子群算法在求解复杂的多峰问题时极易陷入局部最优解的缺陷,作者提出一种基于模拟退火的改进粒子群算法(PSOBSA).在PSOBSA算法中,每间隔若干代,对粒子的历史最优位置进行变异操作,以产生新的粒子;并采用模拟退火的思想,允许新产生的粒子的目标函数值在有限范围内变化;最后采用一种广义的学习策略提升种群收敛的概率.在基准函数的测试中,结果显示PSOBSA算法比基本PSO算法有更好的性能.     

兼顾最优个体的模拟退火分层遗传算法

针对传统分层遗传算法存在"发散"、收敛速度慢和最优解易丢失等缺陷,本文提出了一种改进的分层遗传算法,采用基于模拟退火思想的底层交叉和变异算子,避免底层算法的"发散"、提高收敛速度;设计了一种兼顾最优个体的高层选择算子,防止最优个体丢失。求解SAT问题的比较实验结果表明:求解成功率与收敛速度等算法性能均有较大提升。     

基于模拟退火遗传算法求解整周模糊度

采用乔里斯基分解对浮点解和协方差矩阵进行降相关处理,以降低整周模糊度各分量之间的相关性,然后在遗传算法的种群迭代中加入模拟退火的思想,并将改进的遗传算法应用到整周模糊度的搜索解算上,最终求得整周模糊度的最优解.仿真结果表明,在整周模糊度的解算过程中改进的算法能降低算法的收敛速度,提高算法的运行效率.     

网络划分优化的退火遗传算法

通过将退火机制引入遗传算法的选择运算中,提高了收敛速度,克服了传统遗传算法容易早熟的问题,较好地解决了网络划分优化问题.实验证明此算法在网络划分优化中行之有效.     

基于模拟退火算法的最优码本设计

分析了矢量量化码本设计基本算法及其不足，给出了完善的局部最优的改进算法及其实现．简介了模拟退火算法的基本原理，并利用模拟退火算法进行全局最优码本设计，文中给出了具体的算法实现和实验结果．     

基于模拟退火的混合遗传算法

分析了遗传算法和模拟算法的优缺点,并将两种算法进行混合,提出一种基于模拟退火的混合遗传算法以弥补两个算法的不足,理论分析和仿真实验表明该方法的有效性和可行性。     

基于模拟退火遗传算法的多序列比对方法

针对MSA问题提出了将遗传算法与模拟退火算法结合在一起的混合算法.该算法充分发挥了遗传算法和模拟退火算法的优越性,可提高求解多序列比对MSA问题的计算精度和计算速度,整个算法模拟了自然界进化的周期性,较好的解决了群体的多样性和收敛深度的矛盾.实验表明,该方法算法是有效的.     

基于模拟退火-遗传算法的过程控制参数寻优研究

论述了如何将模拟退火算法与遗传算法相结合，并用于过程控制参数的优选，得到了适应度函数以误差最小为优化准则的最优参数，用该参数进行了二阶系统阶跃响应的仿真研究，取得了较好的控制效果，表明模拟退火—遗传算法用于过程控制参数的寻优具有较强的实用价值。     

波长选路光网络中基于模拟退火改进的WA算法

结合波长选路光网络特性和图着色理论,通过模拟退火算法求解得到网络最小所需的波长数,从而对波长分配算法进行一定优化.与已有算法比较,采用模拟退火算法可以有效地消除波长分配的盲目性和随机性.利用计算机随机产生不同规模的正则随机网络和一定的流量请求,对网络进行仿真和比较实验,证明了新算法有更高的波长分配效率,以此求得的网络所需波长数,更接近理论最小值.     

基于直觉模糊与模拟退火遗传算法的多阶段任务军机选派模型

面向战训任务科学合理选派军机是确保任务成功性的重要支撑.针对多阶段任务军机选派问题具有的不确定性评估、组合优化特点,在构建任务军机适战能力评估指标体系的基础上,基于直觉模糊与群层次分析法确定不同任务科目的军机适战能力;然后,以最大化多阶段任务体系适战能力为目标,基于模拟退火遗传算法实现了多阶段任务军机组合优化选派.通过...     

基于模拟退火的多约束路径优化选择算法

多约束QoS路由是下一代互联网的核心问题之一．为解决QoS路由算法容易陷入局部最优的问题,将模拟退火方法与路由计算结合起来,提出一种新的组合优化算法．该算法可以及时从无效的迭代中跳出到其他空间,提高搜索效率,具有全局收敛性,可在有限次数迭代中快速找到可行路径．实验表明,该算法性能高,同时对网络规模和多约束个数具有很好的可扩展性．