基于函数复杂度的自适应模拟退火和禁忌搜索新算法

在求解多峰复杂函数的过程中,传统的模拟退火算法和禁忌搜索算法经常出现算法快速收敛于局部最优解、后期收敛速度变慢和搜索能力变差等问题.为解决这些问题,本文给出函数复杂度的定义,并提出基于函数复杂度的自适应模拟退火和禁忌搜索算法.该算法首先根据函数复杂度自适应调整步长控制参数,然后根据调整后步长求得函数的粗糙解,在此基础上再使用初始步长求得全局最优解.实验表明,该算法不仅可以跳出局部最优解的限制,并且减少了迭代次数,有效地提高了全局和局部搜索能力.

模拟退火遗传禁忌搜索的多用户检测算法

为了设计一种具有较低运算复杂度并能解决早熟收敛的准最优多用户检测器,提出一种将遗传算法、模拟退火算法和禁忌搜索结合到一起的新型多用户检测算法,称为模拟遗传禁忌搜索算法。在该算法中,模拟退火遗传算法的结果为禁忌搜索提供一个初值。同时,将模拟退火的思想融入到遗传算法中,提出自适应的交叉概率和变异概率。仿真结果表明:应用该算法的检测器能够有效避免局部最优解,并能逐渐的收敛到全局最优。

模拟退火与禁忌搜索算法在协同配送中的应用

目的:随着网购时代的来临,众多产业促进了现代物流产业的飞速发展,为了解决物流协同配送,物流企业的利润最大化,本文以两家公司进行协同配送下的车辆回程途径问题为研究目标,通过本研究所使用的算法寻找最低的车辆运输成本,并与多种算法相比较。方法:应用模拟退火法结合禁忌搜索算法规划车辆路径成本的计算,协助物流公司改善现有的运输路线规划,增加运营利润。结论:本文所提出的算法在案例的实验中运行成本低于物流公式实际配送的结果,显示模拟退火法结合禁忌搜索算法在物流配送中最低运输成本的求解能力,为物流企业在今后的运输提供了科学依据。

一种模拟退火算法与禁忌搜索算法的混合算法

通过结合模拟退火算法与禁忌搜索算法的优点,提出一个组合算法,并将其应用到旅行商问题(TSP)中,并用C++实现一般的模拟退火算法和这种组合的模拟退火算法,比较结果显示出这种组合算法可以得到更好的结果。

基于模拟退火禁忌遗传算法的并行测试任务调度

为了解决并行自动测试系统中并行测试任务调度复杂、优化困难的问题,提出了一种把遗传算法、禁忌搜索算法和模拟退火算法结合到一起的新型静态并行测试任务调度方法,在遗传算法中引入模拟退火算法和禁忌搜索算法的核心思想,避免了遗传算法早熟收敛的问题,从而得到总测试时间最短,具有最大并行率的任务调度序列.这种新型调度算法具有较低的运算复杂度,可在较短时间内得到大量高效的并行测试序列,并且可以有效避免局部最优解,并逐渐收敛到全局最优解.实例仿真结果证明了该算法的有效性和优越性.

模拟退火法与禁忌搜索法求解VRP的对比分析

模拟退火法(simulated annealing,SA)和禁忌搜索法(tabu search,TS)都是解决组合优化问题的强有力启发式算法。本文首先给出组合优化问题和VRP问题的基本概念,然后在分析这两种算法的特点基础上,通过实例验证它们在解决VRP问题上各自的优缺点,并给出未来研究方向的建议。

基于混合模拟退火算法求解电表配送车辆路径问题

为了使电能表集中配送业务中的车辆路径选择最优化,提出一种混合模拟退火算法。针对单相电能表集中检定后的配送需求,综合考虑各车型的固定成本、可变配送成本和配送里程,以总成本最小为目标,建立了具有固定车辆数的多车型车辆路径优化模型。基于多车型路径划分算法生成初始可行解,通过引入基于概率的多算子邻域搜索,采用禁忌搜索中的禁忌表对模拟退火算法进行改进,给出求解算法。以计量中心配送业务为实例,验证了模型的实用性和算法的有效性。

混合模拟退火算法解决VLSI布局问题

VLSI布局问题是集成电路物理设计过程中的关键步骤,它直接影响整个设计的成败。Slicing结构是一种简单而高效的布局表示方法,采用正则波兰表达式编码,将模拟退火与禁忌搜索算法结合形成了一种以模拟退火算法为基础的混合算法进行求解,用MCNCbenchmarks进行实验,结果表明:文章提出的混合算法比模拟退火算法在求解效率和质量上都有较大的提高。

模拟退火算法中冷却调度选取方法的研究

模拟退火算法是解决组合优化问题的有效方法，冷却调度是它的关键部分．该文给出了初始温度、降温策略、Ｍａｒｋｏｖ链长度以及停止准则的选取方法，尤其是在停止准则方面，借鉴禁忌搜索的思想，提出了一种新的模拟退火算法停止准则．以上方法在中国３１城市旅行商问题以及抖动模式问题中得到了有效应用．

改进模拟退火算法在物流优化中的应用

考虑到客户对送货时间的要求,在现有物流优化中无时间约束的选址-库存-路径模型上进行拓展,引入了软时间窗,建立了带软时间窗的选址-库存-路径问题模型,并设计了内嵌禁忌搜索的改进模拟退火算法对模型进行求解。最后,实例演算的结果证实了模型的科学性和算法的有效性,通过与禁忌搜索和模拟退火算法分别进行比较,表明了本文的算法较这两种算法的优越性。

基于禁忌搜索的复合嵌套分割算法

介绍了嵌套分割算法的基本思想,提出了提高其优化效率的途径;介绍了禁忌搜索算法,并将禁忌搜索的思想引入嵌套分割算法的抽样和选取算子中,提出了一种复合优化算法(TSNP)来解决函数优化问题。TSNP算法结合了嵌套分割算法和禁忌搜索算法的优点,使其在优化性能、优化效率和可靠性方面具有明显的优越性。通过对几个函数优化实例的测试,并与其他算法进行了比较,结果表明该算法具有较好的计算效率和较快的全局寻优能力。

基于改进模拟退火算法的制粉系统优化控制

将禁忌算法与模拟退火算法相结合,并对邻域解产生的方法进行了改进,大大提高了全局寻优的效率。采用改进后的模拟退火算法对某火电厂中间仓储式钢球磨煤机制粉系统进行优化控制,提高了制粉系统的运行效率。在某石化热电厂发电机组上的应用表明,该方法大幅提高了算法的自寻优效率,在保证全局最优的前提下,降低了运算次数,在锅炉正常负荷和高负荷工况下,制粉系统出力均达到了设计指标。

混合禁忌搜索算法在湖泊富营养化评价中的应用

本文提出了幂函数加和型湖泊富营养化评价指数公式,同时将禁忌搜索算法与模拟退火、免疫进化算法有机地结合起来,建立了求解优化问题的混合禁忌搜索算法(HTS)．将此算法用于评价指数公式的参数优化,从而建立起湖泊富营养化综合评价模型,为湖泊富营养化评价和预测提供了一条有效的途径．将优化好的湖泊富营养化模型用于东湖富营养化评价的实例研究,结果表明此评价模型能较好地反映湖泊富营养化水平,并具有较好的通用性和实用性．

基于禁忌退火算法的巡航导弹航迹规划

针对巡航导弹航迹规划这个复杂的优化问题,一个禁忌退火混合优化算法被提出。首先,该算法是以基本模拟退火算法为基础。其次,为了加快该模拟退火算法的收敛速度,在恶化解的接受判断过程中,增加了一定动态的约束条件。最后,为了使最优解能够跳出局部最优的陷阱,使用了一个动态的禁忌表。仿真结果验证了该禁忌退火混合优化算法能够取得目标函数更优的航迹规划路径,从而有效提高巡航导弹的作战效能。

智能算法在TSP问题中的应用研究

TSP问题是典型的路径优化问题,具有解决物流路径规划等实际应用意义。为解决TSP问题,文章研究了遗传算法、禁忌搜索算法、蚁群算法和模拟退火算法,以遍历31个省会城市为例,运用MATLAB软件编程仿真。结果表明:蚁群算法优化效果较好,且一致性高,但运行效率不高,可混合运用遗传算法和蚁群算法,以提高运行效率和求解质量。

基于禁忌搜索算法求解随机约束满足问题

为了求解具有增长取值域的随机约束满足问题(CSP),提出了一种基于禁忌搜索并与模拟退火相结合的算法。首先,利用禁忌搜索得到一组启发式的初始赋值,即由一个随机初始化的可行解通过邻域构造一组候选解,再利用禁忌表使候选解向最小化目标函数值的方向移动;如果得到的最优赋值不是问题的解,就把它作为启发式的初始赋值,再执行模拟退火对这组赋值进行修正直到得到全局最优解。数值实验结果表明,所提算法在接近问题的理论相变阈值时仍然能有效地找到问题的解,与其他局部搜索算法相比,表现出了显著的优越性,可用于随机CSP的算法设计。

一类面向仓库车辆路径优化的改进禁忌搜索算法及其应用

在立体仓库中常需考虑车辆路径规划问题,传统的禁忌搜索算法在解决该类问题时,最终解的质量依赖于初始解。针对此问题并结合实际立体仓库,本文提出了改进的禁忌搜索算法。该算法的初始解部分由模拟退火算法生成,有效地克服了禁忌搜索算法对初值的依赖;规定禁忌搜索算法的特赦准则为模拟退火算法关联,在限定始末库位条件下,尽可能地寻找更短车辆路径,提高禁忌搜索算法的搜索能力。将改进的禁忌搜索算法与标准禁忌搜索算法进行仿真对比,改进算法在平均最短路径和稳定性上都有较大提升。将本文算法应用于立体仓库调度过程,在实际应用中效果良好,具备可行性。

基于复合嵌套分割算法的装配序列规划

针对嵌套分割算法在装配序列分区时有较大概率产生回溯的不足之处,提出采用基于禁忌搜索的复合嵌套分割算法来求解装配序列规划问题。将禁忌搜索思想引入到各个装配序列分区的抽样过程以及之后的选区中,利用禁忌搜索算法的局部搜索能力,可以更快地找出分区中较优的装配序列,减少装配序列选区之后的回溯次数,从而提高嵌套分割算法应用于装配序列规划的性能和效率。通过具体的装配实例以及与遗传算法、基因算法等规划结果的比较,证明该复合算法能够有效地解决装配序列规划问题。

适于高维空间搜索的自组织学习算法

提出了一种有别于当前优化算法框架的自组织学习算法(self-organizing learning algorithm,SLA),该算法融合遗传算法并行搜索与模拟退火串行搜索,结合粒子群学习机制和禁忌搜索机制,实现了系统与环境的交互学习,能够很好地处理传统优化方无法应对的高维非线性优化问题。SLA分自学习和互学习两个智能化学习阶段,先进行基于自学习机制的邻域禁忌搜索,保证局部极值的收敛,然后通过信息共享平台,进行基于互学习机制的广域禁忌搜索,保证全局极值的收敛。系统通过与环境交互学习而自适应地调整搜索策略和相关参数,使得搜索过程能够有效地避免盲目性,而具有相当的自组织性。最后,通过高维测试函数的对比仿真实验表明,SLA在由小型低维空间转入超大型高维空间时,仍能够与环境保持稳定、透明的交互学习,其全局搜索能力和整体稳健性明显优于其它搜索方法。

智能优化算法案例介绍分析

自然界蕴含着无穷无尽的奥秘,精密且有规律的运行给人类带来许多智慧的灵感。其中智能优化算法就是通过模拟某一自然现象或过程建立起来的,为各种优化问题提供了新的途径。智能算法注重逻辑思维能力以及推理能力,而这两种能力是中学生培养良好的科学精神不可缺少要素之一,故本文以粒子群算法、模拟退火算法和禁忌搜索算法为例,通过文字、图示的形式介绍算法的基本思想、算法流程以及应用案例,体现出模仿自然的数学其趣味性和智能优化算法的巧妙思想,以此诱发中学生对自然探秘以及数学探究的浓厚兴趣,帮助中学生发展良好的科学精神及培养核心素养能力。