基于模拟退火机制的多种群并行遗传算法

模拟退火和多种群并行遗传进化是两种较好的改进遗传算法性能的方法 .将这两种思想有机地结合起来 ,提出了一种基于模拟退火机制的多种群并行遗传算法 .仿真结果表明 ,该算法不仅能增强算法的全局收敛性 ,还能加快遗传进化速度 ,得到满意的全局最优值 .

基于并行模拟退火算法求解时间依赖型车辆路径问题

为提高传统串行模拟退火算法求解时间依赖型车辆路径问题的效率,提出一种并行模拟退火算法。该算法首先使用前向插入启发式算法生成初始解,在主从式并行模拟退火算法框架下使用4种邻域搜索法对初始解进行优化。采用Figliozzi测试数据库(包含56个测试问题,顾客数均设定为100)对算法性能进行测试,结果表明在不同时间依赖型行驶函数情形下,当使用6个线程时,并行模拟退火算法相对于传统串行模拟退火算法可以得到近似于5倍的加速比,且均能在较快时间内得到比Figliozzi算法更优的解。因此,并行模拟退火算法能有效地求解时间依赖型车辆路径问题,并且可以灵活地扩展解决其他车辆路径问题和组合优化问题。

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。

基于模拟退火的并行基因表达式编程算法研究

本文提出一种基于GEP的混合并行算法,将模拟退火机制与遗传机制结合,以提高算法跳出局部最优的能力;同时引入多种群策略和迁移算子,实现了运行于一定规模处理器内的粗粒度可扩展并行计算.对序列推理、函数发现和太阳黑子预测三组数据测试,与用基本GEP算法的结果进行对比,实验表明改进的算法具有更强的寻优能力和更高的稳定性.

基于Petri网和模拟退火遗传算法的并行测试研究

针对自动测试系统中并行测试任务调度复杂、难以优化的问题,提出了一种Petri网技术和模拟退火遗传算法相结合的任务调度优化算法。首先为并行测试系统建立时间Petri网模型,然后将激发的变迁序列集作为并行测试任务调度路径。为了得到最优路径,引入模拟退火遗传(GASA)算法进行搜索。在搜索过程中,将能激发的变迁序列作为染色体,进行选择、交叉和变异。为了防止算法出现收敛过早,陷入局部最优解的现象,还要对个体进行模拟退火操作,最后得到测试完成时间最短的任务调度序列。

单纯形—模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点,同时为了克服各自算法的弊病,提出采用单纯形—模拟退火混合算法(SMSA)进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现,并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明,SMSA算法在水文地质参数反演计算具有求解速度快,精度高的特点,而且易于实现并行运算。

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法。将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出了一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。实验证明,这种新的图像分割算法与并行遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显比并行遗传算法的Otsu双阈值医学图像分割快。

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 。

克隆遗传算法与模拟退火算法相结合的配电网络重构

配电网重构可以提高配电网运行的安全性、经济性和供电质量,对于当前国内配电自动化系统建设和应用具有重要意义。将克隆遗传算法(CGA)与退火算法(SA)结合起来,把退火算法中的Metropolis抽样准则融入到克隆遗传算法中,形成克隆遗传退火算法(CGSA)。以网损最小为目标函数,以配电网电压降的限制、线路电流量的限制等为约束条件,在考虑配电网自身特点的基础上,以IEEE33节点为算例,利用克隆遗传退火算法求解。结果证明该优化算法具有较好的全局收敛性和收敛速度。

一种用于BP网络优化的并行模拟退火遗传算法

针对模拟退火算法和遗传算法存在的不足,提出了并行模拟退火遗传算法,并用于3层BP神经网络优化。在适应度函数中引入模拟退火机制,采用排序、最优保存策略选择算子、启发式交叉和多点非均匀变异改进遗传算子,利用模拟退火算法产生新解增加搜索方向,并结合并行进化思想对经典遗传算法进行改进。通过对英文字母识别的仿真实验,表明该方法全局搜索能力、局部搜索能力和收敛速度都优于经典遗传算法。

并行遗传/模拟退火混合算法及其应用

1 引言人们常常应用随机优化方法,例如:遗传算法GA(Genetic Algorithms),模拟退火算法SA(Simulated Annealing),爬山算法HC(Hill Climbing),Tabu算法等,解决复杂的非线性函数优化问题。这些方法通常需要大量的计算,从而导致运行时间开销较大。随着计算机及网络技术的高速发展,在高性能计算平台上并行化随机优化方法成为当今研究领域的热门。特别是Beowulf PCs Cluster技术的成熟。

模拟退火与蚁群混合并行算法解旅行商问题

求解TSP问题的智能优化算法主要包括蚁群算法和模拟退火算法等,这些算法求解TSP问题的速度比传统的精确求解算法有很大改进,但在问题的求解空间逐渐增加时,串行执行速度往往还是无法满足人们的需求.针对此问题,研究了蚁群算法、模拟退火算法以及两者的混合算法的并行实现方法,建立了PC机群实验平台,基于MPI环境对蚁群算法、模拟退火算法以及混合算法的并行算法进行了测试.根据理论研究和实际测试的结果,比较了并行算法和传统串行算法的性能差异,总结了利用PC机群系统求解旅行商问题的并行求解的可行性,得出了关于并行效率等方面的一些有意义的结论.

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。

函数优化问题的一种异步并行模拟退火算法

针对工程中的多极值点复杂函数的优化问题,提出一种完全异步的粗粒度并行模拟退火算法.在一定时间内将一条Markov链分裂成多条Markov链,并结合其他多种改进方法,获得了可扩展的并行效果,提高了算法应用的灵活性.数值计算表明,该方法可显著提高算法的收敛速度.

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。

基于模拟退火算法旅行商问题的并行实现

旅行商问题属于ＮＰ难题，不存在多项式时间的算法提出一个基于模拟退火算法求解旅行商问题的算法。

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。

成品油管道分输计划优化的并行模拟退火算法

成品油管道运行与管理的重要内容之一是制定批次计划。当管道输送油品种类多、沿线分输/注入站多、计划周期长时,制定可行的批次计划并非易事,而优化批次计划,则难度更大。批次计划优化算法的准确性与计算耗时直接决定了其能否应用于实际生产。针对单点注入、多点分输成品油管道,本文提出并行模拟退火(Simulated Annealing, SA)算法来优化管道分输计划。并行策略是指在每次迭代时同时产生多个新解,提高了迭代效率。并行SA算法中每个新解的构造分为两个阶段:1)利用变量邻域解构造方法局部调整分输计划原方案;2)基于分输作业衔接性规则微调分输计划新方案,形成新的迭代点。以某成品油管道的历史输油任务为例,验证了并行SA算法的有效性,为该算法推广应用至实际生产提供了参考。

基于并行模拟退火算法的VRP问题研究

针对VRP问题构建相应的数学模型,在传统的模拟退火算法的基础上提出一种基于记忆功能的并行模拟退火算法求解VRP模型,并用模拟数据对模型和算法进行了验证。实验结果表明,改进的模拟退火算法求解VRP问题,不仅可以取得很好的计算结果,而且算法的计算效率较高,收敛速度较快,计算结果也较稳定,显示了良好的寻优性能。

一种适用于森林管理变量的并行模拟退火算法

针对森林经营管理的复杂性问题,通常以模拟实地的虚拟森林环境作为实验区,运用模拟退火算法工具运营管理森林。由于传统算法存在执行时间长、收敛速度慢等一系列缺点,本文展示了一种在线的并行模拟退火算法及其优化策略。在独立搜索与合作搜索策略下优化并行算法,独立搜索时,彼此线程间不进行通信,各个线程独立的运行各自的马尔科夫链,在各线程运行结束后,主线程再统一接收各自线程的局部优化解,经过比较进而得出全局最优解;合作搜索时,先通过若干步的退火步骤,线程根据情况产生2种退火链通信阶段:同步通信裢阶段和异步通信链阶段,实时更新结果。经过对比分析得出,串行模拟退火算法比并行算法的收敛速度快;并在Solomon提供的标准测试集上对并行算法的性能进行测试,分析进程数目对代价大体呈反比的趋势,在理论和实验上,表明并行策略可实现高效低成本的森林经营管理。