期刊文献+
共找到9篇文章
< 1 >
每页显示 20 50 100
模拟退火算法的背景与单调升温的模拟退火算法 被引量:20
1
作者 刘岩 韩承德 +1 位作者 王义和 李晓明 《计算机研究与发展》 EI CSCD 北大核心 1996年第1期4-10,共7页
本文对模拟退火算法进行了分析。给出了一种改进算法──“单调升温的模拟退火算法”。文章对新算法的本质进行了论述,并通过实验对新旧算法进行了比较。
关键词 模拟退火算法 单调升温 退火
下载PDF
基于改进模拟退火算法的灭火小车多目标路径规划
2
作者 孟浩德 吴征天 +1 位作者 吴闻笛 施坤 《计算机与数字工程》 2024年第2期394-398,共5页
传统的路径规划算法在面对灭火小车多目标路径规划问题时,容易陷入局部最优,并且不能较好地解决障碍物相对复杂的环境中的遍历多个目标点的灭火小车行走问题。针对上述不足,论文提出了一种基于改进的模拟退火算法与A^(*)算法相结合的遍... 传统的路径规划算法在面对灭火小车多目标路径规划问题时,容易陷入局部最优,并且不能较好地解决障碍物相对复杂的环境中的遍历多个目标点的灭火小车行走问题。针对上述不足,论文提出了一种基于改进的模拟退火算法与A^(*)算法相结合的遍历多个目标点的路径规划方法。传统模拟退火算法中,通过适当地提高算法运行温度,有利于增加模拟退火算法对于较差解的接受概率,从而极大程度上增加了从局部最优中跳出的可能性。通过单调升温的模拟退火算法遍历目标点,求解得出多目标点的搜寻顺序,再通过采用A^(*)算法依照遍历顺序进行避障,逐一到达目标点所在位置,并规划出灭火小车的行走路径。实验表明,改进后的模拟退火算法有更强的求解能力,遍历路径规划也更短,改进模拟退火算法与A^(*)算法的结合使灭火小车在复杂环境下的多目标遍历路径规划中拥有良好的效果,不容易陷入局部最优的情况,且目标点的数量越多,路径规划的效果越好。 展开更多
关键词 灭火小车 路径规划 单调升温的模拟退火算法 A^(*)算法
下载PDF
改进的模拟退火算法在板式家具工业优化下料问题中的应用 被引量:1
3
作者 岳琪 曹军 《计算机应用研究》 CSCD 北大核心 2005年第10期226-228,244,共4页
讨论了如何利用改进的模拟退火算法即单调升温的模拟退火算法求解板式家具生产中的优化下料问题。在对问题进行数学描述的基础上,给出了算法求解的关键步骤和方法;讨论了单调升温模拟退火算法中如何跳出局部最优解,以及升温幅值的确定... 讨论了如何利用改进的模拟退火算法即单调升温的模拟退火算法求解板式家具生产中的优化下料问题。在对问题进行数学描述的基础上,给出了算法求解的关键步骤和方法;讨论了单调升温模拟退火算法中如何跳出局部最优解,以及升温幅值的确定方法。实例表明该算法优化速度快,效率高,能有效解决大规模矩形件优化下料问题。 展开更多
关键词 板式家具 下料问题 单调升温的模拟退火算法 全局优化
下载PDF
求解旅行商问题的自适应升温模拟退火算法 被引量:39
4
作者 陈科胜 鲜思东 郭鹏 《控制理论与应用》 EI CAS CSCD 北大核心 2021年第2期245-254,共10页
针对传统模拟退火算法在求解问题时容易陷入局部最优解的情况,本文通过设计一种自适应的升温控制因子,提出了一种求解旅行商问题(TSP)的自适应升温模拟退火算法,有效地控制局部寻优达到全局寻优能力,并证明了改进的自适应模拟退火算法... 针对传统模拟退火算法在求解问题时容易陷入局部最优解的情况,本文通过设计一种自适应的升温控制因子,提出了一种求解旅行商问题(TSP)的自适应升温模拟退火算法,有效地控制局部寻优达到全局寻优能力,并证明了改进的自适应模拟退火算法收敛性.通过TSPLIB数据库对改进算法全局寻优效果的测试,结果表明改进后的算法具有全局寻优能力、泛化性强等特点:即在TSPLIB提供的绝大部分TSP问题数据中,均能找到全局最优解,且收敛速度快. 展开更多
关键词 自适应升温模拟退火算法 旅行商问题(TSP) TSPLIB 自适应
下载PDF
基于改进模拟退火算法的多船会遇避碰决策 被引量:14
5
作者 杨柏丞 赵志垒 《大连海事大学学报》 CAS CSCD 北大核心 2018年第2期22-26,共5页
针对多船会遇态势下的船舶避碰行动决策问题,提出一种基于改进的模拟退火算法的船舶转向避让的计算方法.优化船舶碰撞危险度和航程损失的多目标函数,利用改进的模拟退火算法,在全局范围内筛选并获得最优解.仿真结果表明,改进的模拟退火... 针对多船会遇态势下的船舶避碰行动决策问题,提出一种基于改进的模拟退火算法的船舶转向避让的计算方法.优化船舶碰撞危险度和航程损失的多目标函数,利用改进的模拟退火算法,在全局范围内筛选并获得最优解.仿真结果表明,改进的模拟退火算法相比传统算法,在算法运行时间和精度上更优,能够满足多船会遇态势下让路船转向避碰行动决策的有效性要求. 展开更多
关键词 多船会遇 转向避碰 模拟退火算法 升温退火
原文传递
实值阴性选择算法优化及其在故障诊断中的应用 被引量:2
6
作者 刘长捷 彭军 刘勇 《计算机测量与控制》 CSCD 北大核心 2012年第12期3158-3160,3164,共4页
针对复杂装备故障样本少的难题,研究了人工免疫系统中的阴性选择算法原理及应用;介绍了变尺寸实值阴性选择算法检测器产生机制,以减小检测器交叠和对自体的覆盖为目标,提出一种基于重升温模拟退火算法的检测器分布优化策略;该优化方法... 针对复杂装备故障样本少的难题,研究了人工免疫系统中的阴性选择算法原理及应用;介绍了变尺寸实值阴性选择算法检测器产生机制,以减小检测器交叠和对自体的覆盖为目标,提出一种基于重升温模拟退火算法的检测器分布优化策略;该优化方法不改变原有检测器数量,提高了对非己空间的覆盖效果;对两种不同几何形状的二维数据集进行仿真,结果表明,优化方法提高了算法的检测率,降低了虚警率;将优化后的算法应用于滤波电路12种软故障的检测,总体检测率达95%,结果优于基于人工神经网络的故障检测方法。 展开更多
关键词 人工免疫系统 阴性选择算法 升温模拟退火 优化 故障检测
下载PDF
基于混合GA算法求解车间调度问题 被引量:3
7
作者 王粟 陈新彦 曾亮 《计算机工程与设计》 北大核心 2022年第5期1304-1311,共8页
由于车间调度问题组合排序众多等复杂性因素的存在,使用遗传算法求解时,初始种群的随机产生和变异的随机发生对寻优的效率影响很大。针对上述问题,提出一种混合GA算法,主要从变异策略和种群生成两方面进行改进,采用经过选择、交叉操作... 由于车间调度问题组合排序众多等复杂性因素的存在,使用遗传算法求解时,初始种群的随机产生和变异的随机发生对寻优的效率影响很大。针对上述问题,提出一种混合GA算法,主要从变异策略和种群生成两方面进行改进,采用经过选择、交叉操作种群的平均适应度值来决定是否进行变异操作,借鉴SA算法中的重升温策略,将引入自适应控制因子和排列操作的PSO算法产生的个体极值种群代替GA算法特定代数的种群。仿真结果验证了该算法求解车间调度问题的有效性。 展开更多
关键词 遗传算法 粒子群算法 模拟退火算法 作业车间调度 升温
下载PDF
改进混合遗传算法的作业车间调度研究 被引量:14
8
作者 王玉芳 缪昇 +1 位作者 马铭阳 葛嘉荣 《现代制造工程》 CSCD 北大核心 2021年第5期32-38,共7页
针对作业车间调度问题,结合遗传算法和模拟退火算法的优点,提出一种改进混合遗传模拟退火算法。首先,加入自适应调整的遗传操作以及精英替换策略,并对模拟退火算子进行改进,增加记忆功能以防止遗失当前最优解;然后,对于当前状态,采用多... 针对作业车间调度问题,结合遗传算法和模拟退火算法的优点,提出一种改进混合遗传模拟退火算法。首先,加入自适应调整的遗传操作以及精英替换策略,并对模拟退火算子进行改进,增加记忆功能以防止遗失当前最优解;然后,对于当前状态,采用多次搜索策略代替单次比较方式,以接受区域内的最优状态;其次,加入升温策略,从而激活各个状态的接受概率;最后,将提出的改进混合遗传模拟退火算法应用于FT系列和LA系列标准算例,并与多种智能算法进行比较,验证了该算法的有效性和高效性。改进的策略不仅可以避免算法陷入局部最优,同时加快了算法收敛速度,提高了算法的寻优能力。 展开更多
关键词 作业车间调度 遗传算法 模拟退火 自适应策略 升温策略
下载PDF
多功能车辆总线周期扫描表优化设计 被引量:3
9
作者 曾秋芬 陈特放 《计算机工程与应用》 CSCD 北大核心 2015年第7期30-34,55,共6页
针对参与通信的各周期信息特点设计优化的多功能车辆总线周期扫描表对提高列车通信网络的实时性能具有重要作用;标准推荐的周期轮询算法存在周期信息分布不均匀,带宽利用率相差较大的问题,在对周期扫描表的优化设计方法进行深入研究后,... 针对参与通信的各周期信息特点设计优化的多功能车辆总线周期扫描表对提高列车通信网络的实时性能具有重要作用;标准推荐的周期轮询算法存在周期信息分布不均匀,带宽利用率相差较大的问题,在对周期扫描表的优化设计方法进行深入研究后,提出基于模拟退火算法的优化方案。建立了周期信息通信模型,详细阐述了通信抖动的概念并对其进行了定义。给出了优化目标函数并采用模拟退火算法进行求解,对算法的几个关键步骤进行了设计,并采用改进策略提高了模拟退火算法效率。通过实例仿真证明该算法实现了周期信息在整个宏周期范围内的均匀分布,优化了周期扫描表的构造。 展开更多
关键词 多功能车辆总线 周期扫描表 通信抖动 单调速率算法 模拟退火算法 MULTIFUNCTION VEHICLE Bus(MVB)
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部