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.     

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．     

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。     

使用模拟退火算法解课表问题

给出一种使用模拟退火算法（ＳＳＡ）来解课表问题的方案，详细地讨论了方案涉及的各种问题，包括目标函数和初解的确定，邻域和新解的产生方法，初始“温度”的确定和“温度”更新的方式，内循环次数及算法终止条件的确定等，章的最后给出了该方案的一个实例和若干性质分析。     

解布局问题的并行模拟退火算法与实现技术

本文讨论了用并行模拟退火算法解决集成电路布局问题。并基于扩展角模块表（ECBL）表示方法，利用多马尔可夫链方法实现了布局问题的并行算法，同时提出了针对同步多马尔可夫链的改进的最早准则。对MCNC的标准例子的测试结果表明，并行模拟退火算法能够获得满意的加速比和较好的解质。     

求解TSP的改进模拟退火算法研究

通过分析传统SA算法原理和存在的不足,提出三种改进：增加记忆功能,避免遗失当前最优解;设置稳定抽样判定条件,保证全局搜索能力;提供7种扰动机制,提高结果改进效果。设计对比实验验证各种改进,分析出较好参数配置,构造较理想的改进SA算法。经过国际公认的TSPLIB提供的实验数据的验证,改进算法在性能上比GA和传统的SA算法均有较大提高。     

一种改进模拟退火算法求解目标优化

标准的模拟退火算法是随机神经网络解决能量局部极小问题的一个有效方法,该算法能够使网络摆脱能量局部极小的束缚,最终达到期望的能量全局最小状态,但是在求解具有NPC问题时需要花费较长时间;提出了基于传统的模拟退火算法一个改进算法,并用于求解经典的TSP问题。由仿真试验结果分析得到,该方法在收敛速度上优于传统的模拟退火算法。     

异步并行牛顿法的单调收敛性

本文对非线性方程组ＦＸ＝０提出异步并行牛顿法的单调型算法,算法的整体收敛性及局部超线性收敛性的证明。     

模拟退火算法解TSP问题的研究

模拟退火算法是一种适合解大规模组合优化问题,特别是解NP完全问题的通用有效近似算法.它与以往的近似算法相比,具有描述简单、使用灵活、运用广泛、运行效率高等优点,而且特别适合并行计算.文章介绍了模拟退火算法的基本原理和思想,并简述了利用模拟退火算法解TSP问题的运用,最后通过实验证明了模拟退火算法的高效性.     

使用较少进程的异步并行A~＊，AO~＊算法

对人工智能中，求最佳解的最佳搜索算法Ａ和对与或图求最佳解的搜索算法ＡＯ＊在共享存储器的多处理机模型ＭＩＭＤ－ＳＭ上分别给出了使用较少进程的异步并行算法，该方法也可用于其他的搜索算法和机器人的行为规划问题．     

一种基于并行模拟退火的FPGA布局算法

随着现场可编程门阵列FPGA容量的迅速增大,用户的设计编译时间也越来越长,其中以布局环节最为耗时.提出了一种基于并行模拟退火的FPGA布局算法DPSA,使用动态的交换次数更新策略.计算结果表明,在4核的实验条件下,DPSA算法比以VPR为代表的串行算法在布局速度上平均提高了2.9倍,布局质量提高了4％,并且加速性能随着CPU核心的增加具有良好的扩展性.另外,由于各线程间采用同步通信的方式,DPSA算法具有确定性的布局结果.     

基于遗传算法模拟退火算法解决修边损耗问题

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。本文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,本文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。     

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。     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

基于模拟退火算法的最优控制问题全局优化

参数化后的最优控制问题是一类高维非光滑非线性约束优化问题,传统的非线性规划算法求解时存在着收敛性差、局部收敛等问题。针对上述问题,该文采用多重参数化方法处理最优控制问题,非可微精确罚函数方法处理约束条件,引入了具有良好全局收敛性的模拟退火算法求解参数化后的最优控制问题。典型的时间最优和燃料最优控制问题的求解结果表明：模拟退火算法有着可靠的全局收敛性,优于遗传算法以及序列二次规划等经典优化算法。     

模拟退火算法在排课问题中的应用

针对课表问题的具体特点,使用以课程作为排课算法的研究主体的思路,设计了一个模拟退火算法,解决了给定时间问题和不定时间问题的课程表的优化编排问题,并对生成的课表提出更具体的优化目标,通过设计合适的优化函数来实现这些目标,取得了较好的运行效果.     

基于模拟退火的万有引力算法

针对标准万有引力算法的个体位置更新策略可能对个体造成破坏且算法局部搜索能力较弱问题提出了一种改进算法。该算法将模拟退火思想引入万有引力算法,采用基于 Metroplis 准则的个体位置更新策略,并在引力操作之后,对每代最优个体进行退火操作。一定程度避免了个体移动的盲目性,提高了算法的局部搜索能力、收敛速度与精度。实验结果表明:算法的改进策略是有效的,且改进后的算法在收敛速度、收敛精度等方面具有明显优势。     

用模拟退火算法求解客轮调度问题

建立了客轮调度问题的数学模型，并用模拟退火算法求其数值解。     

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。