一种基于遗传算法的TTP问题求解算法

提出并实现了一种高校自动排课算法，利用遗传算法建立数据模型，定义一个四维的染色体编码方式和包含学生人数，教室座位、特殊课程、教师、班级、一门课的时间间隔等因数的适应度函数，通过切片算子，生成指数要求的基因型个体，用交叉算子和变异算子对基因型个体进行运算，再利用选择算子选择适应度函数值较高的染色体编码方案，最后对优化的染色体按指定方向切片，生成教师课表，学生课表和教室课表，对某高校的真实数据进行实验，结果显示无一例教室，教师，班级冲突，在PⅢ866PC机上运行，耗时为2323．573s，该算法可以推广到车辆调度，会议安排、超大规模电路板设计等应用领域。     

求解影响最大化问题的一种混合算法

影响最大问题定义为在社会网络中寻找K个初始节点,使得信息传播过程结束后,网络中受影响的节点个数最多。针对传统贪心算法时间复杂度太高的缺点,基于遗传算法提出了IM_GA算法。为了提高算法的运行速度,在计算种子集合的影响范围时,采用其对网络的预期影响力作为衡量指标。为了克服IM_GA算法的早熟现象,在遗传算法中周期性地加入模拟退火算法,提出IM_GA_SA算法。通过实验验证算法的有效性。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

自适应SAGA算法进行全局寻优的研究

遗传算法以概率转换规则为基础,在给定问题的潜在解集中进行广泛搜索,具有很强的全局寻优能力,但收敛速度慢。模拟退火算法理论上只要计算时间足够长,就可以保证收敛于全局最优点。但是在实际算法的实现过程中,由于计算速度和时间的限制,全局寻优点的效果并不理想。将遗传算法和模拟退火相结合,提出一种混合的自适应遗传算法,可以提高收敛速度并改善全局寻优性能。     

一种求解多处理机调度问题的新算法

多处理机调度问题是“算法设计与分析”中的基本问题之一,它是一个NP问题.本文介绍了模拟退火技术,给出了求解多处理机调度问题的有效算法.该算法通用性强,效率高,其基本原理可广泛应用于求解大规模的组合优化问题.     

一种求解TSP问题的融合算法

提出了一种求解TSP问题的融合算法即GAPACA． GAPACA算法首先利用遗传算法求得符合一定条件(具有全局性和多样性)的种群,然后将其中的个体按照蚁群算法中信息素的定义转化为蚁群算法的初始信息素,再由蚁群算法求得近似最优解。实验表明,GAPACA算法能有效提高收敛速度,并可获得更优结果。     

一种改进的遗传算法

传统的遗传算法有两个严重的缺点，即不能有效地克服过早收敛现象，以及在进化后期搜索效率较低。模拟退火算法是基于金属退火的机理而建立起来的一种全局最优化方法，它能够以随机搜索技术从概率的意义上找到目标函数的全局最小点。本文将遗传算法与模拟退火算法相结合，提出模拟退火遗传算法。实验结果表明，该算法在性能上有较大的提高。     

一种混合遗传模拟退火算法及其应用

分析了遗传算法和模拟退火算法的优缺点，提出了一种混合遗传模拟退火算法，对其进行优化，并将该算法应用于TSP问题的求解之中，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法和模拟退火算法．     

一种带记忆的模拟退火算法求解TSP问题

模拟退火算法是求解组合优化问题的一个有效方法.在模拟退火算法的基础上提出了一种带记忆的改进算法.在改进算法中增加了记忆功能,将当前最优解记忆下来;设计了一个温度更新函数,保证温度更新有一定的自适应性;增加补充搜索过程,以提高算法的全局搜索能力.最后将此算法应用到旅行商(TSP)问题中,在若干公共测试数据集上的实验结果表明,该算法是有效可行的.     

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛.采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况.     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

模拟退火算法解决静态受限路由问题的研究

随着人们对网络的要求日益多样化，传统的无约束路由方式已经不能满足用户的需要，受限路由受到越来越多的重视。应用模拟退火算法解决了光网络中的静态受限路由问题。研究了模拟退火算法在解决问题过程中存在的过早收敛问题并分析了其原因，提出了相应的改进方案。实验结果表明，模拟退火算法在解决此类问题中的过早收敛情况可以被有效解决。     

求解0/1背包问题的自适应遗传退火算法

针对标准遗传算法易早熟收敛以及收敛速度慢的问题,提出一种自适应遗传退火算法用于解决高维约束优化问题.该算法采用轮盘赌和最优保存策略相结合的选择机制,并结合自适应交叉、变异概率,继而引入模拟退火算法,加快迭代后期算法的收敛速度.最后,比较了标准遗传算法和自适应遗传算法的实验结果,证明了自适应遗传退火算法在0/1背包应用中的高效性和精确性.     

带性能约束布局问题的不干涉遗传算法

针对卫星舱设计中的带性能约束优于问题,给出了并证明了矩形图元布局优化不干涉性的判别定理,依该定理构造了求解布局问题的不干涉遗传算法,数值结果表明了该算法的正确性和实用性。     

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.     

基于遗传模拟退火法的马斯京根方程参数估计

提出一种用遗传退火算法估计马斯京根方程参数的新方法，在遗传算法中融入模拟退火算法，在每一代群体产生后，对各个个体独立地进行模拟退火过程，以其结果再作为下一代群体的个体，避免了简单遗传算法容易提前收敛的缺陷以及模拟退火法搜索较盲目的缺点，应用实例表明方法简便，直观，可广泛应用于解决多种模型的优化问题，特别在洪水预报方面有很好的应用前景。     

基于遗传模拟退火算法的移动机器人静态路径规划

采用多边形法描述了机器人的工作环境模型,应用简化编码长度的技术简化了工作路径编码方式.对于基于遗传算法产生初始路径种群后的各路径的适应值进行评价.经过多次交叉、变异,并借助模拟退火中Metropolis算法的随机移动准则制定了高效的温度更新函数,获得了从起始点到目标点的一条全局最优路径.最后在Visual C++环境中通过仿真验证了此算法的可行性和高效性.     

基于遗传模拟退火算法的自动化制造单元周期调度

鉴于有时间窗约束的单机器人单度自动化制造单元周期调度问题的可行解极少且难以找到最优解,提出一种带有不可行解修复机制的遗传模拟退火算法,以提高解的搜索效率。采用基于跨周期决策的先后次序约束修复、联动修复等机制,对不可行解进行修复,提升其逼近可行解的概率;结合遗传算法的多点初始和模拟退火的靶向搜索能力,强力筛查可能存在的可行解;根据模拟退火的降温速度,利用Metropolis准则以逐渐变小的概率接受交叉和变异后产生的劣解,促进种群跳出局部最优。实验证明所提出的算法在保证解的质量的前提下,计算时间更短,求解效率更高,可较好地满足自动化制造单元的周期调度要求。