两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难,目前还缺乏成熟的全局优化策略,同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法,用来求解上层问题,用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性,便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。

物料配送和废旧产品回收的VRPSDP问题的并行模拟退火算法

为了求解面向制造领域物料配送和废旧产品回收的同时送取货的车辆路径优化问题（VRPSDP），提出一种主从式并行模拟退火算法代替传统的串行模拟退火算法．算法首先使用剩余承载力和径向附加费（RCRS）算法求得初始解，然后在并行模拟退火算法框架下使用4种邻域搜索方法对初始解进行优化．最后，选取国际上通用的Montane和Galvao测试数据集（18个顾客数为100～400的测试问题）对算法性能进行测试，与文献中其他5种算法的比较显示，提出的并行模拟退火算法总体性能较优．

基于Spark的并行模拟退火算法求解TSP

模拟退火算法是求解无约束优化问题的有效方法,但求解旅行商问题时存在精度较差、容易陷入局部最优且收敛速度慢等缺点。为了改进上述问题,提出了一种基于Spark平台的并行模拟退火算法。修改模拟退火算法的降温函数,构造旅行商问题的解空间,采用大邻域搜索技术和2-opt算子增强局部搜索能力,引入OX交叉思想增强全局搜索能力,提出交叉协同试验并行策略与Spark平台并行实现。选取若干TSPLIB数据集进行仿真实验,对求解质量和运行时间两个方面进行测试,与其他Spark框架的并行算法进行对比实验。仿真结果表明,该算法求解精度有较大的提高,求解速度上对比其他算法提升3~10倍,能够有效求解旅行商问题。

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.

基于并行模拟退火算法的NoC映射

片上网络是一种多核系统互连的有效解决方案,片上网络的映射问题是在芯片设计阶段的关键问题,映射的结果直接影响系统的功耗。为降低功耗且减少执行时间,提出一种并行模拟退火的映射方法,采用多种群群体优化机制,对每个子问题并行求解,找出了一个最优解作为全局最优解。实验结果表明,该方法与自适应模拟退火算法相比,可以降低9.1%的平均功耗,并能减少32%的执行时间。

并行模拟退火算法在智能调度中的应用

生产调度是生产管理活动的指挥中心,是以实现均衡生产、缩短制造周期和提高设备利用率为优化目标,在理论研究和实际应用中都有非常大的价值。随着大数据、云计算和物联网技术的不断应用和发展,智能调度也正在取代传统人工调度,在智能制造中发挥更大的作用,并逐步成为智能制造系统的核心。本文将模拟退火算法应用于智能制造系统,建立了面向智能调度的模拟退火算法数学模型,给出了快速并行解算策略,通过仿真证实了该算法的有效性和高效性。

基于并行模拟退火算法的陆地划界线自动生成方法

针对当前陆地边界争议区自动划界方法考虑因素不全的现状,提出了一种基于并行模拟退火算法的陆地划界线自动生成方法。首先根据地性线网络构造"点-点"邻接关系,并基于划界法理对其进行特殊处理。然后,设计模拟退火过程中划界线的编码方式、目标函数及初始划界线的生成。最后,结合不同退火方式的优点构建并行模拟退火算法对全局最优划界线进行快速充分搜索。实验结果表明,该方法不仅能够顾及划界双方约定的面积比例、实际地形及特殊区域的影响,而且可以满足相应划界方综合资源占有量最大化的利益诉求,有效维护该方的划界利益。

基于遗传算法和并行组合模拟退火算法的洪水过程缩放模型研究

针对泄洪风险和施工导流风险计算对洪水缩放的要求和传统洪水同频率放大方法中手工修匀任意性较大等方面的不足,提出采用计算机优化方法来实现洪水过程的自动放大。在满足洪峰流量约束和分时段洪量约束条件下,本文建立了以洪水过程模式尽量相似为目标的洪水过程放大优化模型,并采用具有全局搜索能力的遗传算法和并行组合模拟退火算法求解该模型。通过实例计算可以看出,这两种算法计算结果均能较好的满足洪峰洪量约束要求,并有效保持了典型洪水的模式,避免了人工修匀的任意性。

基于并行组合模拟退火算法的水电站优化调度研究

并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的一种新型优化算法。将该算法用于水电站优化调度 ,与经典算法相比其特点在于 ,该算法可从多个点开始寻优 ,占用计算机内存少 ,能以较快的速度找到全局最优解 ;编程简单、适应性强 。

并行组合模拟退火算法在计算机辅助选配系统的应用

计算机辅助选择装配是利用计算机 ,并采用有效的算法 ,对装配尺寸链中各组成环的尺寸进行合理的搭配选择 ,以达到减小封闭环偏差的变动范围 ,提高装配精度的目的。现有的选配工作缺少一个理想的物理模型来保证高精度的装配。提出了一个新的计算机辅助选配系统 ,采用田口博士质量损失模型作为装配匹配精度指标 ,同时以总成本为优化目标函数 ,采用并行组合的模拟退火优化方法求解零部件的匹配。

并行组合模拟退火算法在边坡稳定分析中的应用

采用自适应有限元法分析边坡的应力场,然后应用并行组合模拟退火算法建立基于应力场的边坡任意形状临界滑动面的全局搜索方法。该方法适用于任意几何形状,不同岩土材料分层以及多种荷载作用的复杂边坡。并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的优化算法,它可以从多个初始点开始并行寻优,能以较快的速度找到全局最优解。通过工程实例分析,证明这种基于自适应有限元分析和并行组合模拟退火算法搜索边坡临界滑动面的方法可行、高效。

并行组合模拟退火算法在集成块孔道网络优化设计中的应用

针对遗传算法和模拟退火算法在求解大规模组合优化的NP-hard问题上的不足,提出利用并行组合模拟退火算法对液压集成块孔道网络进行优化设计。建立了集成块孔道网络优化中带性能约束的多目标优化数学模型,提出了布线顺序的处理策略,用并行组合模拟退火算法实现了对液压集成块孔道网络连通自动寻优的设计。实例设计结果表明:该方法简单、可靠,具有较高的精度,适合集成块优化设计。

基于并行组合模拟退火算法的过程挖掘

首先给出了过程挖掘问题的形式化描述,然后提出了一种适合过程挖掘的并行组合模拟退火算法。该算法采用因果关系矩阵作为过程模型的编码,与同类算法相比,对适应度函数、交叉和变异算子进行了改进,并利用模拟退火算法的特性提高了算法的收敛速度。仿真实验表明该算法能较有效地处理日志噪声问题。

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。

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明:采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。

基于并行群体模拟退火算法的蛋白质折叠研究

蛋白质折叠研究对于揭示蛋白结构和功能关系,进而了解相关疾病的致病机理意义重大。蛋白质折叠已被证明是NP-完全问题。本文针对蛋白质折叠研究中的能量最小化问题,提出了一种新的并行群体模拟退火算法(Parallel Group Simulated Annealing,PGSA)及其改进型算法(PGSA_1/K)。该算法使用了降温因子加速收敛精度,并采用MPI消息传递并行编程技术加快蛋白质结构空间搜索以及能量最小化寻找速度。以Met_Enkephalin蛋白为对象的计算机模拟仿真结果表明,我们提出的算法及其改进型有很好的扩展性,可以高效搜索蛋白结构空间,从而找到相关蛋白的最小能量结构。

基于动态负载均衡策略的网格任务调度优化模型和算法

任务调度是一个NP-hard问题,而且是并行与分布式计算中一个必不可少的组成部分,特别是在网格计算环境中任务调度更加复杂。结合免疫克隆算法和模拟退火算法的优点,提出了一种网格任务调度优化模型和算法。仿真实验结果表明,这种调度算法有效地实现了资源的负载均衡,克服了遗传算法容易陷入局部最优的缺点,可以成功地应用于网格任务调度中。

一种IP/DWDM光因特网中的QoS组播路由算法

本文讨论了一种IP/DWDM光因特网的QoS组播路由算法,在已知QoS组播请求和所需时间延迟的前提下,提出了一种可以找到基于柔性QoS的、次优的路由树的算法。此外,我们对QoS满意程度一术语作了定义。所提出的算法在多种群并行遗传模拟退火算法基础上构建组播树,并根据波长图为树分配波长。此算法将路由选择和波长分配一体化,路由选择的目的在于找到一个次优组播树,波长分配的目的则是通过使波长覆盖数量最小来最小化组播树的延迟。因此,组播树的估价和QoS用户满意程度两方面都接近最优。该算法同时考虑了负戡均衡。仿真结果表明,该算法是灵活有效的。