模拟退火猫群优化算法

猫群优化算法(Cat Swarm Optimization,CSO)是建立在猫的行为模式和群体智能基础上的一种新型群体智能优化算法。为提高猫群优化算法的性能,把模拟退火算法应用于猫群优化算法,提出模拟退火猫群优化算法(Simulated Annealing Cat Swarm Optimization,SACSO),通过变异算子调整所要优化的种群。其基本过程为先行产生随机初始种群,接着进行搜索,并设置初始温度,继而应用模拟退火算法获取全局最优替代值,再依据位置和速度公式更新新解,然后在个体较优位置再运用变异运算,进行进一步地搜索。然后分别将猫群优化算法、模拟退火粒子群算法(Simulated Annealing Particle Swarm Optimization,SAPSO)、模拟退火猫群优化算法在11个典型的基准测试函数下进行仿真对比,结果表明模拟退火猫群优化算法不仅增加了全局收敛性,而且在收敛速度和精度方面均优于其它两种算法。     

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…     

基于模拟退火算法的城市物流多目标配送车辆路径优化研究

基于传统模拟退火算法,通过引入记忆函数、结合GIS手段,运用SPSS聚类分析来确定初始化状态种群、多种群并行机制和新状态的产生.依据种群规模采用不同产生算法来改进算法,并将改进算法应用于城市物流中确定的多目标车辆路径优化问题,验证了算法的可行性与实用价值.此外,改进算法分别与传统模拟退火算法和GIS图解法相比较,优化效率和准确率都得到了很大的提高.     

二维矩形件排样的切割式填充算法

针对二维矩形件排样困难的问题,提出了一种简单且高效的切割式填充矩形件排样算法.首先根据对矩形件进行优化排样的要求,建立起数学规划模型.然后采用降维的思想,对矩形行列虚拟化分割.在第一行(列)上进行矩形件排样,使其填充率最高.接着将此行(列)切割掉,形成新的矩形.最后重复上述步骤,直到矩形无法再填充下任何一种规格的矩形件为止.数值实验表明了切割式填充算法的可行性和高效性.     

矩形图元下料问题的优化模型

本对下料问题中的一刀切原则给出了一个数学描述,从而给出了一个关于矩形料板约束二维一刀切下料问题的优化模型。     

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…     

改进填充算法在矩形件排样中的应用

矩形件排样的合理性直接影响板材利用率.考虑到下料过程中板材的纤维方向和一刀切等工艺约束,建立了以板材平均利用率最大为目标的数学模型.提出了一种改进填充算法,增加了矩形件的排列方式、扩大了矩形件试排范围,实现了排样的多样性.此外,在改进填充算法的基础上引入了遗传算子,利用遗传算法全局搜索能力强的特点,对矩形件排样顺序进行寻优.最后,采用不同规模的算例验证所建模型和所提算法的合理性与普适性,算例结果表明改进后的算法能够有效提高板材的利用率,可为实际作业提供技术支持及方法借鉴.     

基于模拟退火的CRS算法

本文是对非线性规划问题提出的一种算法,该算法把模拟退火算法应用到CRS算法中,根据模拟退火算法每一次迭代都体现集中和扩散两个策略的平衡的特点,使CRS算法更能够搜索到全局最优解,而不会陷入局部最优解。最后把提出的算法应用到两个典型的函数优化问题中,结果表明,算法是可行的、有效的     

并行机问题的模拟退火调度算法研究

研究了一类调度目标是最小化最大完成时间的并行机调度问题.考虑到此问题的NP-hard特性,引入模拟退火算法思想以获取高质量近优解.分析了现有此问题模拟退火算法的缺陷,定义了关键机器和非关键机器,设计了一个包含局部优化的模拟退火算法.除了交换变换,还引入插入变换以改变各子调度中作业个数.大量的随机数据实验用于验证算法解的质量和计算效率,实验结果表明该模拟退火算法能够在有限时间内为大规模问题求得高质量满意解.     

带性能约束的矩形图元布局优化模型及不干涉性算法

本文讨论了以航天卫星仪器舱布局优化设计为背景的、带性能约束的矩形图元布局优化模型及不干涉性判别算法,主要讨论了模型的性质,并将这一模型转化为带反凸约束的凸规划问题。应用文献(4)给出的最优性条件及定界锥分拆算法,可求得带性能约束的矩形图元布局优化问题的全局最优解。     

Aspiration Based Simulated Annealing Algorithm

An aspiration based simulated annealing algorithm for continuousvariables has been proposed. The new algorithm is similar to the one givenby Dekkers and Aarts (1991) except that a kind of memory is introduced intothe procedure with a self-regulatory mechanism. The algorithm has beenapplied to a set of standard global optimization problems and a number ofmore difficult, complex, practical problems and its performance comparedwith that of the algorithm of Dekkers and Aarts (1991). The new algorithmappears to offer a useful alternative to some of the currently availablestochastic algorithms for global optimization.     

基于模拟退火算法的盲均衡器设计

盲均衡技术是不需要训练序列的自适应均衡技术.该项技术可以消除由于通信信道失真造成的码间干扰.本文的目的是对盲均衡技术作一介绍,包括对广泛应用的最大归一化累积量判据的介绍和讨论,并在此基础上提出了基于模拟退火技术的设计方法,最后,对这种盲均衡器骑行了仿真,并得出了相应的结论.     

基于模拟退火算法的最小一乘回归新算法

最小一乘准则由于其稳健性较好而在工程中得到广泛的应用,但求解最小一乘回归模型系数的算法往往过于复杂或只能用于样本和变量个数较少的情形.本文根据最小一乘的性质,把最小一乘问题变为组合优化问题,将模拟退火算法用在最小一乘模型的求解上,在后面的数值实验中取得了较好的效果。     

Convergence of the Simulated Annealing Algorithm for Continuous Global Optimization

A class of simulated annealing algorithms for continuous global optimization is considered in this paper. The global convergence property is analyzed with respect to the objective value sequence and the minimum objective value sequence induced by simulated annealing algorithms. The convergence analysis provides the appropriate conditions on both the generation probability density function and the temperature updating function. Different forms of temperature updating functions are obtained with respect to different kinds of generation probability density functions, leading to different types of simulated annealing algorithms which all guarantee the convergence to the global optimum.     

Parallel Simulated Annealing Algorithms in Global Optimization

Global optimization involves the difficult task of the identification of global extremities of mathematical functions. Such problems are often encountered in practice in various fields, e.g., molecular biology, physics, industrial chemistry. In this work, we develop five different parallel Simulated Annealing (SA) algorithms and compare them on an extensive test bed used previously for the assessment of various solution approaches in global optimization. The parallel SA algorithms consist of various categories: the asynchronous approach where no information is exchanged among parallel runs and the synchronous approaches where solutions are exchanged using genetic operators, or where solutions are transmitted only occasionally, or where highly coupled synchronization is achieved at every iteration. One of these approaches, which occasionally applies partial information exchanges (controlled in terms of solution quality), provides particularly notable results for functions with vast search spaces of up to 400 dimensions. Previous attempts with other approaches, such as sequential SA, adaptive partitioning algorithms and clustering algorithms, to identify the global optima of these functions have failed without exception.     

A Simulated Annealing Genetic Algorithm for the Electrical Power Districting Problem

Due to a variety of political, economic, and technological factors, many national electricity industries around the globe are transforming from non-competitive monopolies with centralized systems to decentralized operations with competitive business units. A key challenge faced by energy restructuring specialists at the World Bank is trying to simultaneously optimize the various criteria one can use to judge the fairness and commercial viability of a particular power districting plan. This research introduces and tests a new algorithm for solving the electrical power districting problem in the context of the Republic of Ghana and using a random test problem generator. We show that our mimetic algorithm, the Simulated Annealing Genetic Algorithm, outperforms a well-known Parallel Simulated Annealing heuristic on this new and interesting problem manifested by the deregulation of electricity markets.     

求解病态线性方程组的模拟退火算法

病态方程组的条件数较大,当输入数据有微小扰动或计算过程中的舍入误差都可能引起输出数据的很大扰动,使得解严重失真,因此求解此类方程组是相当困难的.本文尝试使用模拟退火算法来求解病态线性方程组,得到了较好的结果,并与传统的求解方法作了简单的比较.